百科问答小站 logo
百科问答小站 font logo



机器学习中非均衡数据集的处理方法? 第1页

  

user avatar   huang-xiao-ye-8 网友的相关建议: 
      

做毕设碰到过类似的问题,也算小小研究过,就来不耻回答一下。。

推荐看一下Haibo He, Edwardo A. Garcia的Learning from Imbalanced Data这篇paper,写的很系统也很清晰。

主要包括四大类方法,1Sampling 2Cost Sensitive Methods 3Kernal-Based Methods and Active Learning Methods 4One-Class Learning or Novelty Detection Methods。

Sampling大类说到底就是两种可能。第一种是把多的那个组变少,第二种是把少的那个组变多,以达到平衡的结果。一般比较少用第一种,因为那样容易丢失重要信息。对于第二种,又有很多方法,最简单的是oversampling,由于其局限性,又有很多根据已有的数据生成新数据的方法,比如各种变体的synthetic sampling。

第二种思路是基于把多数组猜成少数组和把少数组猜成多数组的cost是不同的这个事实,来修正数据分布(个人理解可以当成采到样的概率)的方法。

另外,kernal类的模型,还可以通过修改核函数来偏移hyperplane,来抵消不平衡数据造成的hyperplane的偏移。

最后一大类没有看过相关paper,不了解。。




  

相关话题

  机器学习在理论经济学研究中有哪些可能的应用前景? 
  2021年深度学习哪些方向比较新颖,处于上升期或者朝阳阶段,没那么饱和,比较有研究潜力? 
  如何自学人工智能? 
  机器学习如何才能避免「只是调参数」? 
  如何看待Kaggle最新比赛Zillow禁止中国居民参加第二轮? 
  机器学习中非均衡数据集的处理方法? 
  如何成为数据科学家? 
  有哪些很好玩而且很有用的 R 包? 
  什么是博弈机器学习? 
  算法研究属于数学专业还是计算机专业? 

前一个讨论
为什么金庸、梁羽生、古龙之后再无武侠小说作家了呢?
下一个讨论
既然蛋蛋(睾丸)对动物的繁殖至关重要,为了降温直接吊在体外可以理解,但为什么不进化出有保护作用的蛋壳?





© 2025-05-06 - tinynew.org. All Rights Reserved.
© 2025-05-06 - tinynew.org. 保留所有权利