不均衡データ
意味・解説
機械学習のデータセットにおいて、特定のカテゴリのデータ数が、他のカテゴリに比べて極端に多い（または少ない）状態。
例えば、1万件のデータのうち、故障（異常）がわずか10件で、残りが正常であるような場合を指す。このまま学習させると、AIは「常に正常と答える」だけで高い正解率を出してしまい、本当に重要な「異常」を検知できなくなる。予測モデルの性能を歪ませる要因。
くわしく
「AIの教科書に、『正解のページ』が1枚しかなく、『間違いのページ』が99枚あるような偏った状態」です。
1.問題点:
単純な「正解率（Accuracy）」が評価指標として機能しなくなります。
2.対策:
少ない方のデータを人工的に増やす（オーバーサンプリング）、多い方を削る（アンダーサンプリング）、あるいは「異常」を当てた時の重みを大きくするなどの調整が必要です。
例文
不正利用の検知モデルを開発する際、取引データの大部分が正常である不均衡データを扱う工夫が必要だった。
同義語: クラス不均衡, 偏ったデータ
対義語: 均衡データ
分類: データセットの品質