Dados de séries temporais desequilibradas

1. Como você lida com dados de séries temporais desequilibradas?
2. Qual é o problema com dados desequilibrados?
3. Qual é a melhor abordagem para lidar com um conjunto de dados desequilibrado?

Como você lida com dados de séries temporais desequilibradas?

Uma solução comum para o problema geral da mineração de conjuntos de dados desequilibrados é recorrer a estratégias de reamostragem. Essas estratégias alteram a distribuição dos dados de aprendizagem para equilibrar o número de casos raros e normais, tentando reduzir a assimetria dos dados.

Qual é o problema com dados desequilibrados?

Dados desequilibrados é um problema comum no aprendizado de máquina, que traz desafios para apresentar correlação, separação e avaliação de classes e resulta em um desempenho ruim do modelo.

Qual é a melhor abordagem para lidar com um conjunto de dados desequilibrado?

Um método amplamente adotado e talvez mais direto para lidar com conjuntos de dados altamente desequilibrado é chamado de reamostragem. Consiste em remover amostras da classe majoritária (sub-amostragem) e/ou adicionar mais exemplos da classe minoritária (amostragem excessiva).