But du rééchantillonnage

Un hôpital développe un modèle de machine learning pour prédire si des patientes et patients développeront une maladie rare à partir de leurs dossiers médicaux.

Cependant, dans les données historiques de l'hôpital, seulement 5 % des patientes et patients ont reçu un diagnostic de la maladie, tandis que 95 % étaient en santé. Lors du test d'un premier modèle, on a obtenu une précision de 95 %, mais il prédisait rarement la maladie, ce qui veut dire qu'il prédisait surtout « en santé » pour tout le monde.

Vous agissez comme consultante ou consultant pour l'hôpital et avez recommandé d'appliquer un rééchantillonnage synthétique. Quel est votre principal argument pour appliquer le rééchantillonnage dans ce cas-ci?