机器学习中样本不均衡的问题
摘要：
在实际中，训练模型用的数据并不是均衡的，在一个多分类问题中，每一类的训练样本并不是一样的，反而是差距很大。比如一类10000，一类500，一类2000等。解决这个问题的做法主要有以下几种： 欠采样：就是把多余的样本去掉，保持这几类样本接近，在进行学习。（可能会导致过拟合） 过采样：就是增加比较少样本 阅读全文
posted @ 2018-04-25 11:34 特立独行的十楼 阅读(1257) 评论(0) 推荐(0) 编辑
