python-3.x - 在训练/测试拆分之前进行采样并且精度非常低

Question

我正在处理高度不平衡的数据集，其中包括大约 32,000 类 0 和 1,300 类 1。单个输入特征是文本（例如酒店评论）。经过预处理步骤将文本转换为向量后，维度长度变为 1,000 左右（使用 tf-idf）。
运行分类后，问题是我的精度太低（15%），而召回率（80%）似乎很好。
我尝试了许多不同的策略来克服这个问题，方法是应用欠采样，尝试不同的分类算法（逻辑、XGBoost、Light GBM，...），改变决策函数阈值，绘制精确召回曲线以找到最佳点（发现精确度不回忆的变化变化不大）。

我的问题是是否有任何方法可以提高我的精度？作为 ML 的初学者，精度如此之低的原因似乎是测试集也不平衡，因此很难获得更高的精度。我也尝试对测试集进行欠采样，但发现这不是我的做法。减小尺寸（例如 PCA）会克服这个问题吗？或者我还有其他方法可以尝试吗？请帮忙...

标签： python-3.xclassificationtext-classificationimbalanced-data