知识卡片
类别失衡影响训练与度量
多数类有 990 条、少数类 10 条时,全猜多数类也有 99% 的准确率。训练可对多数类下采样或对少数类上采样,前者会舍弃部分观测,后者复制或生成实例。重采样应限在训练折内,验证与测试保留预期使用分布,并分别查看少数类召回和精确率。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 全景图:机器学习路线图 · 查看原书依据
如果正负样本数量较多,且正样本远多于负样本,则采用下采样方法来处理。例如,样本数据中有3亿正样本、1 000万负样本,那么我们可以从3亿正样本中抽取1 000万正样本,这样正负样本就达到了均衡。
参考来源
- 位置:《从零开始:机器学习的数学原理和算法实践》第4章《全景图:机器学习路线图》(来源项目 book-source:extracted/从零开始:机器学习的数学原理和算法实践/_epub-src/OEBPS/Text/chapter004.xhtml)
- 结论依据:原书借 990 比 10 说明总正确率失真,并比较上下采样。
- 原始内容:如果正负样本数量较多,且正样本远多于负样本,则采用下采样方法来处理。例如,样本数据中有3亿正样本、1 000万负样本,那么我们可以从3亿正样本中抽取1 000万正样本,这样正负样本就达到了均衡。