识别类别不平衡

您正在专注于机器学习生命周期中至关重要的前期阶段：探索性数据分析（EDA）。

EDA 能帮助您更好地理解 heart_disease_df 数据集的特性，包括各变量之间的关系，以及在开始训练模型之前可能需要处理的问题。理解特征中的类别分布——例如患者的性别——是 EDA 的关键环节。

当一个类别的样本数量明显多于另一个类别时，就会出现类别不平衡。这可能会在训练过程中带来偏差，使模型倾向于多数类。