如果您的数据集是随机的（类别和预测变量之间没有真正的联系），那么“正确”模型是一个常数：在 (A) 中，预测概率应该大致为$0.3, 0.2, 0.5$, 而在 (B) 中它们应该是$0.33, 0.33, 0.33$. 然后在制作硬分类器时，在 (A) 中，最大概率几乎总是第三类，而在 (B) 中，每个类应该被大致相等地随机预测。当然会有一些偏差，因为您的模型将尝试在其随机选择的训练集中学习一些模式，但您应该期待与您所展示的非常相似的东西。

在不平衡的数据集中，您可能不想只选择最有可能的类别。如果你有一组更具预测性的特征可能没问题，因为模型可能能够学到足够的知识来克服先验概率，但是在这里有了不可预测的特征，就无法学到任何新东西。

您可以查看 SMOTE 和 ADAYSN 技术。这将帮助您通过创建合成数据来减少数据集中的不平衡

https://medium.com/coinmonks/smote-and-adasyn-handling-imbalanced-data-set-34f5223e167

我假设，您的重点是预测准确性而不是可解释性？

因此，由于存在类不平衡，您可以做两件事：

1. 根据其他用户的建议，您可以使用 SMOTE 或任何技术。
2. 使用在处理类不平衡方面更稳健的非参数方法。

我尝试Random Forest在您的数据上使用，分类结果已经很有希望，无需任何参数调整。我使用的R代码：

library(randomForest)

data_A$V2 = factor(data_A$V2, levels = c(0, 1,2))

set.seed(4)
classifier_random <- randomForest(V2~V3+V4+V5, data=data_A, ntree=500)
pred_forest <- predict(classifier_random, data_A[,c('V3','V4','V5')])

table(data_A$V2, pred_forest)

pred_forest
      0   1   2
  0 297   0   3
  1  13 180   7
  2   9   7 484

如果我以 80:20 的比例将它分成训练集和测试集怎么办？

smp_size <- floor(0.80 * nrow(data_A))

set.seed(4)
train_ind <- sample(seq_len(nrow(data_A)), size = smp_size)

train <- data_A[train_ind, ]
test <- data_A[-train_ind, ]

classifier_random <- randomForest(V2~V3+V4+V5, data=train, ntree=500)
pred_forest <- predict(classifier_random, test[,c('V3','V4','V5')])

table(test$V2, pred_forest)

pred_forest
     0  1  2
  0 17 11 33
  1 14  5 24
  2 16 13 67

错误分类更多，但它仍然有效，也没有任何调整。

其中的代码R可能对您并不完全有益，但我希望您能理解我在这里试图传达的观点。