本文探讨了处理样本不均衡现象的多种方法，包括使用不同的评价指标（如精确度、召回率、F1分数、Kappa指标和ROC曲线）、样本重抽样（欠抽样和过抽样）、人工生成样本、选择对不平衡数据友好的算法、使用惩罚模型以及创新的解决方案，如问题细分和集成方法。
处理样本不均衡现象
样本非均衡现象: 正例子数目与反例数目不相等 (相差很大)
1. 能否收集到更多的数据
2. 尝试使用其他的评价指标
error Rate: 不能用于非均衡的数据集 因此可以使用其他的评价指标
Procision：精准度计算 TP
最低0.47元/天 解锁文章
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
