现实中采集到的训练样本往往分布不均。如果不加处理而直接训练,往往会使得模型更侧重训练到样本数目较多的类别,而轻视了样本数目较少类别,最终影响到模型的泛化能力。
这种问题被称为 “不平衡样本问题”。对应的处理方法包括 数据层面处理方法(数据重采样、类别平衡采样)以及 算法层面处理方法(代价敏感方法)等。
现有的不平衡样本处理,都是 训练 之前,基于 先验信息 所进行的处理。
而在实际训练过程中,模型会暴露出 新的学习短板(即后验信息)。那么之前按照 先验信息 处理后的 “平衡样本” ,在 后验信息 的衡量下 就会显得 不平衡 。
是继续填鸭式教学,还是侧重对知识盲点的训练?That’s a question 。
设计算法,每隔一段训练轮数,检查哪些类的预测准确率低,然后在后期加大这些类的采样比例,再进行训练。
相当于一个 良师型的 样本采样算法 。
但同时我在想,训练过程中的误差反向传播,不也是一次对所暴露知识盲点的侧重学习么?那么照此看来,如果用了我新提出的这套方法,岂不是变相把学习率增大?那不是就意味着更快地进入过拟合状态了?!