AI分类模型类别不平衡:三种常用重采样方法实测对比
三个重采样方案在信用卡欺诈检测中的实测差距上周跑完的一组实验数据值得拿出来说。数据集是某城商行2023年全年信用卡交易记录,欺诈样本占比0.17%,典型的极端不平衡。用LightGBM做基线,不做任何

三个重采样方案在信用卡欺诈检测中的分类法实实测差距
上周跑完的一组实验数据值得拿出来说。数据集是模型某城商行2023年全年信用卡交易记录,欺诈样本占比0.17%,类别典型的不平比极端不平衡。用LightGBM做基线,衡种不做任何重采样时AUC是常用测对0.91,但召回率只有0.23——意味着100笔欺诈交易漏掉77笔,重采模型基本不能用。样方很多团队以为AUC高就够了,分类法实实际线上拦截效果一塌糊涂,模型问题就出在这里。类别
随机欠采样为什么总是不平比最先被排除
欠采样把正常交易从85万条删到1800条,训练速度快了12倍,衡种召回率冲到0.81。常用测对代价是重采精确率掉到0.04,每拦截25笔交易才有1笔是真欺诈,客服外呼成本直接压垮运营团队。另一个隐蔽问题是信息丢失不可逆:被删掉的84万多条正常交易里,包含大量凌晨小额消费、跨境刷卡这类稀疏特征组合,删掉之后模型对这些模式的判定边界变得非常脆。实际生产环境里,欠采样只适合欺诈占比高于2%的场景,低于这个阈值基本不碰。
SMOTE过采样在金融数据上的水土不服
用了常规版SMOTE和Borderline-SMOTE,欺诈样本从1800条合成到4万条。召回率提升到0.79,精确率0.11,看起来比欠采样均衡。但两个硬伤在金融场景被放大:合成样本基于特征空间插值,生成出来的"欺诈交易"会出现交易金额和商户类型严重不匹配的诡异组合,线上推理时真遇到这类数据反而会误判;训练时间从40秒增加到11分钟,GPU显存占用翻三倍。更麻烦的是SMOTE对类别重叠区域会加重噪声,测试集上新增误报集中在扫码支付和小额免密这类本身欺诈特征模糊的区间。
代价敏感学习配合按批次采样的折中效果
最后跑通的方案是给LightGBM的scale_pos_weight设为55,同时每个训练批次内保持欺诈样本占比5%。AUC稳定在0.94,召回率0.77,精确率0.21,外呼成本比SMOTE方案降了将近一半。核心差异在于不改变原始数据分布,只是让模型在梯度计算时对少数类错判施加更高惩罚。这套组合对极端不平衡最管用,但需要额外注意验证集不能做任何采样,否则评估指标会虚高。
结论很明确:如果你的不平衡比超过1:50,不要先试欠采样和SMOTE,优先调代价敏感参数配合批次级重采样,验证集保持原始分布。这三类AI分类模型的类别不平衡处理方法各有适用边界,与其把时间花在调采样比例上,不如先看看业务上能容忍多少误报成本。