Spotify曲目数据集建模分析：多标签分类极端不平衡问题咨询

背景 #

基于114000条Spotify曲目的原始音频特征（danceability、acousticness、energy等），开展8种音乐流派的分类任务。

问题排查与方案调整 #

基线神经网络模型初始准确率达82%，但执行标签置换测试（随机打乱标签）后准确率仍为82%。经排查，95%的测试数据属于“Other/Indie”类别，模型仅倾向于预测多数类，准确率指标完全失效。

进一步发现人工流派标签存在固有缺陷——单首歌曲可同时属于Pop和Electronic等多个流派。通过无监督自动编码器（将12个音频特征压缩至4D瓶颈层）结合K-Means聚类分析，发现自然音频聚类存在相互重叠，无法与人工标签完美匹配，因此切换为多标签分类方法（采用Sigmoid激活函数+二元交叉熵损失），以支持重叠流派的预测需求。

技术问题解答 #

1. 除类别权重外，极端不平衡多标签分类的进阶优化方案 #

已采用类别权重惩罚模型对少数类漏判进行约束，当前Macro F1值在0.20-0.36区间，Rock、Hip-Hop等少数类的召回率极差。除基础类别权重外，可从以下维度优化：

• 数据层面：
  • 少数类针对性过采样：采用多标签专属过采样方法（如ML-SMOTE），对少数类样本的特征空间进行插值生成新样本；或使用ADASYN，根据样本难分类程度自适应生成样本，避免简单重复过采样导致的过拟合。
  • 多数类智能欠采样：对“Other/Indie”这类多数类，可采用聚类欠采样——先对多数类样本聚类，再从每个簇中选取代表性样本，在减少样本量的同时保留数据分布特征；也可采用随机欠采样，但需注意避免丢失重要样本。
  • 音频特征增强：对少数类样本的音频特征添加微小噪声、小范围随机偏移（如对energy、loudness等特征调整），生成新的增强样本，提升模型对少数类的泛化能力。
• 模型与损失层面：
  • 自定义损失函数：在二元交叉熵基础上引入Focal Loss，通过降低易分类样本的权重，迫使模型聚焦少数类的难分样本；也可采用Label-wise Focal Loss，针对每个类别单独调整权重，适配不同类别的不平衡程度。
  • 多任务辅助训练：引入辅助任务（如预测音频是否含人声、节奏快慢等），让模型学习更通用的音频特征表示，间接提升少数类的识别能力。
  • 集成学习策略：采用Bagging类集成方法，每个基模型训练时使用不同的样本采样策略（欠采样/过采样），最后通过投票或加权融合结果；或使用支持多标签的Boosting模型（如XGBoost、LightGBM的多标签版本），逐步聚焦难分的少数类样本。
• 评估与验证层面：
  • 分层交叉验证：确保每个验证集的类别分布与训练集一致，避免因随机划分导致验证集中少数类样本缺失，保证评估结果的可靠性。

2. 调优单类别决策阈值能否提升少数类召回率？ #

是的，调优单类别决策阈值是提升少数类召回率的高效手段，在多标签场景下适配性极强：

• 核心逻辑：默认的0.5阈值是针对平衡数据设置的，少数类样本的模型输出概率普遍偏低，降低该类别的决策阈值（比如从0.5下调至0.2），可让更多少数类样本被判定为正例，直接提升召回率。
• 实操方式：
  1. 在验证集上针对每个类别绘制Precision-Recall曲线，根据业务需求（如优先保证召回率）选取对应阈值。
  2. 通过网格搜索遍历阈值区间（如0.1-0.9，步长0.05），选择每个类别下使目标指标（如F1值、召回率）最优的阈值。
  3. 权衡注意：降低阈值可能会导致Precision下降，需根据任务需求调整——若优先避免少数类漏判，可适当降低阈值；若需兼顾Precision，可在召回率达标前提下选择最高Precision对应的阈值。

内容的提问来源于stack exchange，提问作者Ryan Thien Nguyen