题目
在分类问题中,我们经常会遇到正负样本数据量不等的情况,比如正样本为10w条数据,负样本只有1w条数据,以下最合适的处理方法是()
A. 将负样本重复10次,生成10w样本量,打乱顺序参与分类
B. 直接进行分类,可以最大限度利用数据(不可行)
C. 从10w正样本中随机抽取1w参与分类
D. 将负样本每个权重设置为10,正样本权重为1,参与训练过程
---------------------------------------------------------------------------------
解决这类问题主要分重采样、欠采样、调整权值
1. 重采样。
A可视作重采样的变形。改变数据分布消除不平衡,可能导致过拟合。
2. 欠采样。