Correction d’un modèle biaisé par déséquilibre des classes

Scénario

Contexte : Un classificateur de tickets support prédit majoritairement la catégorie la plus fréquente. Le Problème : Les classes minoritaires sont mal détectées. Extrait logique actuelle : model.fit(X_train, y_train) Sans pondération. Contraintes : Introduire pondération des classes ou rééchantillonnage. Évaluer via F1-score macro. Comparer avant/après. Livrable attendu : Proposer une stratégie d’amélioration pour gérer le déséquilibre des classes en NLP.

Compétences ciblées