机器学习数据不均衡处理教程

机器学习数据不均衡处理教程

学习对数据进行过采样和欠采样、应用 SMOTE、集成方法和成本敏感型学习假设

课程英文名：Machine Learning with Imbalanced Data

此视频教程共13.5小时，中英双语字幕，画质清晰无水印，源码附件全

下载地址

课程编号：335

百度网盘地址：https://pan.baidu.com/s/1_eoVIwUijTDjw8v5pVDccA?pwd=ndku

不限速！！! 阿里云盘地址：https://www.aliyundrive.com/s/h6VPyoJbaDm

课程内容

你将会学到的

• 应用随机欠采样从多数类中删除观察结果

• 通过删除难以分类的观察来执行欠采样

• 通过在类分离的边界保留观察值来进行欠采样

• 应用随机过采样来增加少数类

• 创建综合数据以增加少数类的示例

• 实施 SMOTE 及其变体以综合生成数据

• 使用集成方法和采样技术来提高模型性能

• 更改模型优化的错误分类成本以适应少数类

• 使用最适合不平衡数据集的指标确定模型性能

本课程包括：

• 11 小时 长的随选视频

• 20 篇文章