Tìm mất cân bằng lớp

Bạn đang tập trung vào giai đoạn sơ bộ quan trọng trong vòng đời Machine Learning: Exploratory Data Analysis (EDA).

EDA giúp bạn hiểu rõ hơn về bản chất của bộ dữ liệu heart_disease_df, bao gồm mối quan hệ giữa các biến và các vấn đề tiềm ẩn cần xử lý trước khi chuyển sang huấn luyện mô hình. Hiểu phân phối các lớp trong các đặc trưng của bạn — ví dụ, giới tính bệnh nhân — là một phần then chốt của EDA.

Mất cân bằng lớp, khi một lớp có số mẫu nhiều hơn đáng kể so với lớp khác, có thể làm sai lệch quá trình huấn luyện mô hình, khiến mô hình thiên vị về phía lớp chiếm đa số.