机器学习中的 上采样 下采样 过采样 欠采样

1. 过采样和欠采样

这是两种解决分类训练过程中数据量不平衡的采样方法

拿二分类举例，期望阳性样本数量：阴性样本数量 = 1：1，但实际上阳性样本数量：阴性样本数量 = 1000：100

过采样

将100数据复制10份，达到两个样本数量之比为1000：1000

欠采样

将1000数据随机抽取100份，达到两个样本数量之比为100：100

2. 上采样和下采样

卷积神经网络（CNN）是由卷积层/池化层/激活层……组成的“自上而下”的多层网络，原始图像从CNN顶层输入，到底层生成特征图，这个过程称为下采样

相反的，由一个特征图反推出原图的过程称为上采样