数据增强算法SMOTE的实验结果分析

最近在看数据增强相关的内容，看到smote算法比较流行，具体原理和代码实现可以参考：数据分析：使用Imblearn处理不平衡数据（过采样、欠采样），正好有一份类别不平衡的数据集，正负类数据量分别为3W和50W，想要使用smote算法对正类数据进行增强看一下实际效果，具体实验结果如下：

1、原始数据结果：

2、正类数据增强1W条

3、正类数据增加一倍即3W条

4、正类数据增加5W条

5、增加至正负类比例为1:1

经过几次实验发现增强的数据量越多，正类的准确率降低、召回率提升，个人理解是数据增强的过程中引入了噪声，也就是增强的正类数据并不是真正的正类数据，在训练的过程中模型会将负类数据也认为是正类数据，从而在预测的时候将更多的数据预测为正类，最终出现准确率降低、召回率提升的现象。