リサンプリングのトレードオフ

大手テック企業が、離職防止のために従業員の離職を予測したいと考えています。ただし、これまでに離職したのは全体の12%のみで、学習データの大半は「在籍」（88%）です。そのため、離職リスクの高い従業員を見つけにくい状況です。

この不均衡を是正するために、人事アナリストは合成リサンプリングを用いて「離職」ケースを増やし、データのバランスを取ります。

重要な要件：忠実な従業員を「高リスクの離職予備群」と誤分類しないこと。無駄なリテンション施策を避けるためです。

モデルは以下で評価します：

• Training accuracy：学習データに対する正解率。
• Test accuracy：新しいデータに対する正解率。
• Precision：離職と予測したうち、実際に離職した割合。

Metric	Model A (without resampling)	Model B (with resampling)
Training accuracy	85%	95%
Test Accuracy	82%	85%
Precision	80%	68%