Hledání nerovnováhy tříd

Teď se zaměříme na důležitou přípravnou fázi životního cyklu Machine Learning projektu: Exploratory Data Analysis (EDA).

EDA ti pomůže lépe porozumět datové sadě heart_disease_df – včetně vztahů mezi jednotlivými proměnnými a potenciálních problémů, které je potřeba vyřešit ještě před trénováním modelu. Klíčovou součástí EDA je pochopení rozložení tříd v jednotlivých příznacích – například pohlaví pacientů.

Nerovnováha tříd nastává tehdy, když jedna třída obsahuje výrazně více vzorků než jiná. To může ovlivnit trénování modelu tak, že bude upřednostňovat majoritní třídu.