本文探讨了数据样本差距大的问题，提出了过采样和欠采样两种解决方案。过采样使正负样本数量相等，但可能导致样本真实性降低；欠采样则从多数类中随机选取样本，确保正负样本数量一致，但可能造成数据利用不充分。
立即学习:https://edu.youkuaiyun.com/course/play/3904/300631?utm_source=blogtoedu
数据样本差距大，通过两种方法转换样本
1 ， oversample 过采样 使得 0和1一样多,建造样本可能不够真实
2, undersample, 0 和1 一样少，在 多的样本中 随机选择，样本可能利用不够充分，
通过 实际操作 观察方案结果，无论哪种打破实际情况。
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
