机器学习新手如何应对数据集不平衡的情况？-CFANZ编程社区

机器学习新手如何应对数据集不平衡的情况？

其生

阅读 43

2023-12-26

1、增加少数类别的样本数量，可以通过复制样本或使用SMOTE（Synthetic Minority Over-sampling Technique）等技术生成新的样本

2、减少多数类别的样本数量，可以通过随机删除样本或使用CV（Cross-Validation）等技术

3、使用专门处理不平衡数据的算法

4、使用集成学习方法，如Bagging、Boosting等

相关推荐
陌岛
 机器学习 基础理论 学习笔记 （7）不平衡数据的改善
陌岛 88 0 0
冶炼厂小练
 评估在线不平衡学习的PAUC
冶炼厂小练 35 0 0
倪雅各
 深度学习炼丹-不平衡样本的处理
倪雅各 87 0 0
杏花疏影1
 《平衡之策：C++应对人工智能不平衡训练数据的数据增强方法》
杏花疏影1 8 0 0
汤姆torn
 【机器学习】合成少数过采样技术 (SMOTE)处理不平衡数据（附代码）
汤姆torn 9 0 0
暮晨夜雪
 SMOGN算法的Python实现：不平衡数据的深度学习回归
暮晨夜雪 36 0 0
洒在心头的阳光
 使用分类权重，轻松解决数据不平衡的问题
洒在心头的阳光 93 0 0
卿卿如梦
 不平衡数据集神经网络回归SMOTE、SMOGN算法：R语言代码
卿卿如梦 49 0 0
you的日常
 探索XGBoost：多分类与不平衡数据处理
you的日常 10 0 0
兵部尚输
 不平衡环境下用于联邦人脸识别的元学习
兵部尚输 21 0 0

精彩评论（0）