多类抽样策略

Question

场景：
目前我正在研究多类分类问题。我有 200 万个具有 180 类别的历史数据集，需要创建能够准确预测类别的模型。我使用 HybridGradientboosting 算法创建了模型，下降精度约为 80 - 85%

注意：也检查了其他分类算法，但在预测方面没有提供良好的性能。

问题：
我使用 imblearn 库进行了上采样、下采样以及两者的组合。预测时仍然面临问题。意味着模型给出了很好的准确性，但对于许多类别来说预测不正确。

问题：

1. 下面的数据集（样本数据集）应该应用什么样的采样策略，这将创建一个好的预测模型？

2. 我是否需要堆叠模型：将数据集分为三个范围，创建三个模型并堆叠它们的结果？

注意：以下数据集不包含任何空值和重复项。

示例数据集：

class   number of records 
A       12385
B       6932
C       3183
D       999
E       900
F       891
G       802
H       760
I       630
J       264
K       257
L       257
M       161
N       132
O       77
P       59
Q       31
R       18
S       8

您能否分享一下您对该数据集的采样策略。

添加代码：

# sampling 
smote_enn = SMOTEENN(random_state=0,enn = EditedNearestNeighbours(kind_sel='mode'))
Xsample1, y_resampled1 = smote_enn.fit_resample(X, y)

`SMOTE 之前：Counter({'A': 12385, 'B': 6932, 'C': 3183, 'D': 3158,'E': 955 ... SMOTE 之后还有更多类

：[( 'B', 11873), ('C', 12320), ('D', 12327), ('A', 10404), ('E', 12326)] ...更多类`

# SAP classification algorithm
# n_estimators,learning_rate,max_depth --> selected values after hyperparameter tuning

rdt_params = dict(random_state=2,n_estimators=16,learning_rate=0.25,max_depth=30)
uc_rdt = UnifiedClassification(func = 'HybridGradientBoostingTree', **rdt_params)

uc_rdt.fit(data=final,
           key= col_id, 
           features = features,
           label='class',
           partition_method='stratified',
           stratified_column='class', 
           partition_random_state=2,
           training_percent=0.8, ntiles=2)

准确度：0.906 ；AUC：0.9962 ；KAPPA：3.9813 ；