思考: 现有 不平衡样本处理方法 的 缺陷

现有的不平衡样本处理

现实中采集到的训练样本往往分布不均。如果不加处理而直接训练，往往会使得模型更侧重训练到样本数目较多的类别，而轻视了样本数目较少类别，最终影响到模型的泛化能力。

这种问题被称为 “不平衡样本问题”。对应的处理方法包括 数据层面处理方法（数据重采样、类别平衡采样）以及 算法层面处理方法（代价敏感方法）等。

问题所在

现有的不平衡样本处理，都是 训练 之前，基于 先验信息 所进行的处理。

而在实际训练过程中，模型会暴露出 新的学习短板（即后验信息）。那么之前按照 先验信息 处理后的 “平衡样本” ，在 后验信息 的衡量下 就会显得 不平衡 。

是继续填鸭式教学，还是侧重对知识盲点的训练？That’s a question 。

解决方案

设计算法，每隔一段训练轮数，检查哪些类的预测准确率低，然后在后期加大这些类的采样比例，再进行训练。

相当于一个 良师型的 样本采样算法 。

可能的风险

但同时我在想，训练过程中的误差反向传播，不也是一次对所暴露知识盲点的侧重学习么？那么照此看来，如果用了我新提出的这套方法，岂不是变相把学习率增大？那不是就意味着更快地进入过拟合状态了？！