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

  请问应该怎样去学习图像识别和深度学习? 
  神经网络,分类和回归问题,在网络结构上的区别是什么?分类比回归多一层softmax吗?诚心求教? 
  维基百科的服务器架构是怎样的?是如何支撑起如此高的访问量的? 
  GAN(对抗生成网络)可以被用于哪些(商业或潜在商业)实际问题? 
  用户画像是怎么生成出来的? 
  如何全面理解工程师红利? 
  在集成电路设计领域(数字,模拟),人工智能有无可能取代人类? 
  ICLR 2019 有什么值得关注的亮点? 
  能分享你收藏的国外AI talk, seminar平台或网站吗? 
  国家网信办公开征求意见:汽车机构处理重要数据应提前报告。是否可实行?将产生什么影响? 

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?





© 2025-04-16 - tinynew.org. All Rights Reserved.
© 2025-04-16 - tinynew.org. 保留所有权利