本文探讨了机器学习中类别不平衡问题的处理方法，包括再缩放、欠采样、过采样和阈值移动。再缩放是通过调整预测值以适应不平衡数据的策略，而欠采样和过采样则是改变样本数量来平衡两类数据。阈值移动则是在决策过程中直接调整分类阈值。这些方法在处理不平衡数据集时能够提高分类器的性能。
1. 再缩放
以线性分类器为例，决策规则为：
公式（1）
然而，当训练集中正反例的数目不同时，令m+表示正例数目，m-表示反例数目，则观测几率是m+/m-，由于我们通常假设训练集是真实样本总体的无偏采样，因此观测几率就代表了真实几率。于是，只要分类器的预测几率高于观测几率就应判定为正例，即：
公式（2）
但是，我们的分类器是基于公式（1）进行决策，因此，需对其预测值进行调整，使其在基于公式（1）决策时，实际是在执行公式（2）。要做到这一点只需令
公式（3）
这就是不平衡学习的一个基本策略——“再缩放”。
但是，再缩放的思想虽然简单，但是实际操作却不平凡，主要因为“训练集是真实样本总体的无偏采样”这个假
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
