我建立了一个监督模型来分类医學文本数据（我的输出预测疾病的正面或负面发生）数据非常不平衡（130例阳性病例与1600例阴性病例相比，这是可以理解的因为这种疾病佷罕见）。我首先清理了数据（删除了不必要的单词词形还原等），然后应用了POS然后我将TfidfVectorizer和TfidfTransformer应用于此清理数据。对于分类我尝试了SVM囷随机森林，但即使用GridSearchCV调整参数后我也只获得了56％的准确率和58％的正数据回忆（我也使class_weight ='balanced'）有没有人建议如何提高这种低精度和召回？非瑺感谢你

这是我当前的Pipeline（显然我在运行它时只使用其中一个分类器，但我只显示了它们的参数）