最近要对活跃信用卡交易客户预测以后睡眠的概率，数据集是非平衡数据集（睡眠客户只占比7%）。
用普通的分层等比例抽样方法各抽70%样本训练模型，逻辑回归的结果如下：

可见标黄的两组客户分组不均匀（相比10%的客户占比，一组较大，一组较小）。

想咨询两个问题：
1.对于非平衡数据集，一般如何构造训练集能是模型效果较好？（试过睡眠、非睡眠客户各取5000个样本建模，效果不佳）
2.对于模型验证时如图所示的分组不均匀情况，造成的可能原因是什么？如何优化模型？