如何处理分类中样本数量不均匀的问题？
如何处理分类中样本数量不均匀的问题？
提问于 2018-09-29 04:41:28
假设我们有2标签: 0和1。
带有标签0的数据编号是1000，而使用标签1的数据只是100。
在这种情况下，对分类的训练将是对标签0的偏差。
在这种情况下可以做些什么？
可以手动生成样本与标签1对应的吗？
如果我们可以这样做，如何通过properties/characteristics验证生成的样本是否与原始数据具有相同的properties/characteristics？
回答 1
Stack Overflow用户
回答已采纳
发布于 2018-09-29 05:02:35
见这个圆锥花序。这是一种名为SMOTE的方法，它代表合成少数群体过采样技术.基本上，如果你有像这样分布的数据(少量红色点，更多绿色点)：
你围绕现有样本合成新样本：
这种方法是常用的方法之一，在上面链接的文章中有更详细的描述。还有其他更简单的方法，比如从多数类中删除一些数据点，或者复制少数类中的一些方法。
这些照片是从这篇文章中取下来的。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/52565174
复制相关文章
相似问题
腾讯云开发者
