重采样的权衡

一家大型科技公司希望预测员工流失以提升留任率。但只有 12% 的员工已经离职，模型在训练时主要看到的是"留任"样本（88%），这使得识别有离职风险的员工变得困难。

为纠正这种不平衡，人力分析师使用合成重采样来增加"离职"样本，从而平衡数据。

一个关键要求：模型应尽量避免把忠诚员工误判为"高风险离职者"，以免造成不必要的留任干预成本。

模型使用以下指标进行评估：

• 训练准确率：在训练数据上的正确预测比例。
• 测试准确率：在新数据上的正确预测比例。
• 精确率（Precision）：被预测为离职的员工中，实际离职的比例。

指标	模型 A（未重采样）	模型 B（已重采样）
Training accuracy	85%	95%
Test Accuracy	82%	85%
Precision	80%	68%