Réponse rapide
Un déséquilibre de classes se traite en mesurant chaque classe séparément, en ajustant collecte, pondération ou échantillonnage et en vérifiant que les rares erreurs importantes restent détectées.
Mesurer
Comptez exemples, prévalence, précision, rappel et faux négatifs par classe. Une exactitude globale élevée peut cacher l’ignorance d’un événement rare.
Corriger
Ajoutez des scènes pertinentes, pondérez la perte ou échantillonnez sans dupliquer artificiellement les épisodes. Les augmentations restent plausibles pour le capteur et la mécanique.
Valider
Fixez seuils selon le coût de chaque erreur, puis testez sur des épisodes indépendants. Vérifiez calibration, taux de refus et effet sur la décision robotique.
Sources et références
- [1] Model Evaluation — scikit-learn User Guide — scikit-learn