Nguồn tham khảo: Burez, J., & Van den Poel, D. (2009). Handling class imbalance in customer churn prediction. Expert Systems with Applications, 36(3), 4626–4636. https://doi.org/10.1016/j.eswa.2008.05.027
Truy cập toàn văn: https://doi.org/10.1016/j.eswa.2008.05.027
Tóm tắt nội dung
Burez và Van den Poel (2009) nghiên cứu xử lý mất cân bằng lớp trong dự báo khách hàng rời bỏ (customer churn), bài toán có cấu trúc giống dự báo bỏ học: nhóm rời bỏ chiếm tỷ lệ nhỏ nhưng là nhóm cần tìm ra để can thiệp. Phần tóm tắt của bài chỉ nêu phát hiện chính: không cần giảm mẫu (under-sampling) đến mức số khách hàng rời bỏ bằng số khách hàng ở lại trong tập huấn luyện, và giảm mẫu có thể cải thiện độ chính xác dự báo, nhất là khi đánh giá bằng AUC (diện tích dưới đường cong ROC).
Tóm tắt không nêu dữ liệu, cỡ mẫu hay các phương pháp khác được so sánh, nên bản tóm lược này giữ ở mức kết luận chung. Về khái niệm, giảm mẫu là bỏ bớt một phần quan sát của lớp đa số để mô hình chú ý hơn tới lớp thiểu số. Kết quả gợi ý tỷ lệ giữa hai lớp sau khi giảm mẫu là tham số cần thử nghiệm, không nhất thiết phải là 1:1. Với bài toán dự báo sinh viên bỏ học, tài liệu là tham chiếu từ lĩnh vực quản trị khách hàng về kỹ thuật xử lý dữ liệu mất cân bằng. Khi áp dụng, cần nhớ rằng AUC có thể cho bức tranh lạc quan khi lớp dương rất hiếm, vì vậy nên xem thêm PR-AUC và độ nhạy ở ngưỡng thực sự sử dụng.
Luận điểm liên quan trong bài viết chính
Trong bài viết chính, tài liệu này được dẫn để làm rõ nhận định sau: Nghiên cứu về khách hàng rời bỏ đã chỉ ra từ lâu rằng khi lớp cần phát hiện chỉ chiếm thiểu số, cách xử lý mất cân bằng lớp và cách chọn ngưỡng ảnh hưởng mạnh tới chất lượng danh sách cảnh báo (Burez và Van den Poel, 2009).
Xem bài viết chính: Ứng dụng học máy phát hiện sinh viên có nguy cơ bỏ học: từ bài toán lớp thiểu số đến quyết định can thiệp