找出類別不平衡

你現在專注在機器學習生命週期中很重要的前期步驟：探索式資料分析（EDA）。

EDA 能幫助你更了解 heart_disease_df 資料集的特性，包括各變數之間的關係，以及在進入模型訓練前可能需要處理的問題。理解特徵中類別的分佈——例如病患的性別——是 EDA 的關鍵部分。

所謂的類別不平衡，是指某一類別的樣本明顯多於另一類別。這可能會在模型訓練過程中造成偏誤，讓模型傾向於多數類別。