क्लास असंतुलन ढूँढना

आप मशीन लर्निंग लाइफसाइकल के शुरुआती और महत्वपूर्ण चरण पर ध्यान दे रहे हैं: Exploratory Data Analysis (EDA).

EDA आपको heart_disease_df डेटासेट की प्रकृति को बेहतर समझने देता है—जिसमें अलग-अलग वैरिएबल्स के बीच के रिश्ते और वे संभावित समस्याएँ शामिल हैं जिन्हें मॉडल ट्रेन करने से पहले सुलझाना पड़ सकता है। अपनी फीचर्स में क्लास के वितरण को समझना—जैसे कि मरीज का sex—EDA का अहम हिस्सा है।

क्लास असंतुलन, जहाँ एक क्लास के सैंपल दूसरी की तुलना में काफी अधिक होते हैं, आपके मॉडल के प्रशिक्षण को पक्षपाती बना सकता है और उसे मेजॉरिटी क्लास की ओर झुका सकता है.