Intuition sur le sous-échantillonnage

Nouvelle vérification d'intuition! Vous avez maintenant vu les effets du sous-échantillonnage de l'ensemble d'entraînement pour améliorer la prédiction des défauts. Vous avez sous-échantillonné l'ensemble d'entraînement X_train, et cela a eu un effet positif sur l'AUC du nouveau modèle et sur le rappel pour les défauts. Les données d'entraînement étaient déséquilibrées, ce qui est normal pour la plupart des données de prêts.

Vous n'avez pas sous-échantillonné les données de test X_test. Pourquoi ne pas sous-échantillonner aussi l'ensemble de test?