分类问题中类别加权和样本加权

本文讨论了在分类问题中使用类别加权和样本加权的方法。类别加权适用于不同预测结果影响不一致的情况,如癌症检测中重视真实阳性案例。样本加权则用于调整已知概率较高的样本的重要性。

分类问题中常常会用到类别和样本加权,具体应用场景如下:

类别加权

        当样本预测的结果影响不同时,一般会用到类别加权,比如进行癌症的检测,这时我们更期望尽可能的发现真实患有癌症的患者,此时就要对癌症患者的类别进行加权,使得对癌症患者进行预测时的结果对损失函数造成更大的影响。

样本加权

        与上述同理,样本加权指的是我们对一些样本有99%概率知道他是正样本或者负样本,而另外一些样本我们有80%概率知道他是正负样本,这个时候样本的权重就要进行修改,把99%概率的样本的权重设置要比80%的大。

评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值