从虚假关联的视角看不平衡分类
机器学习
2025-11-03 v1 计算机视觉与模式识别
摘要
类别不平衡是机器学习中的根本性挑战，常导致分类性能不可靠。虽然先前的方法关注数据或损失重加权方案，但我们将不平衡视为放大 Clever Hans（CH）效应的一种数据条件，由于少数类的表述不足。基于反事实解释的方法，我们提出利用可解释 AI 联合识别和消除不平衡下产生的 CH 效应。我们的方法在三个数据集上实现了具竞争力的分类性能，并展示了 CH 效应在不平衡情况下的产生方式，这是现有方法大多所忽视的视角。
引用
@article{arxiv.2510.27650,
title = {Imbalanced Classification through the Lens of Spurious Correlations},
author = {Jakob Hackstein and Sidney Bender},
journal= {arXiv preprint arXiv:2510.27650},
year = {2025}
}