zoukankan      html  css  js  c++  java
  • 非平衡数据处理


    在正负样本都非常之少的情况下,应该采用数据合成的方式;
    在负样本足够多,正样本非常之少且比例及其悬殊的情况下,应该考虑一分类方法;
    在正负样本都足够多且比例不是特别悬殊的情况下,应该考虑采样或者加权的方法。
    采样和加权在数学上是等价的,但实际应用中效果却有差别。尤其是采样了诸如Random Forest等分类方法,训练过程会对训练集进行随机采样。在这种情况下,如果计算资源允许上采样往往要比加权好一些。

    另外,虽然上采样和下采样都可以使数据集变得平衡,并且在数据足够多的情况下等价,但两者也是有区别的。实际应用中,我的经验是如果计算资源足够且小众类样本足够多的情况下使用上采样,否则使用下采样,因为上采样会增加训练集的大小进而增加训练时间,同时小的训练集非常容易产生过拟合。
    对于下采样,如果计算资源相对较多且有良好的并行环境,应该选择Ensemble方法。
    .

  • 相关阅读:
    QuickFlash
    第五课:类的封装性 M
    第六课:构造方法、匿名对象 M
    第四课:面向对象(基础) M
    第八课:引用传递 M
    第七课:String类 M
    第二课:数组 M
    第三课:方法 M
    ASP .Net的应用程序域(The Application Domain)
    js 解数独程序
  • 原文地址:https://www.cnblogs.com/pigbreeder/p/8056490.html
Copyright © 2011-2022 走看看