彻底分清机器学习中的上采样、下采样、过采样、欠采样【总结】

今天看了篇中文的硕士论文，读着读着感觉有点奇怪，仔细一看原来他把下采样和欠采样搞混了，这里笔者就详细区分一下各个名称的概念。

1. 上采样&下采样

• 对于CV领域来说，可以理解为放大图片和缩小图片，将原始图片放大就是上采样，将多个像素点合成一个从而缩小图片就是下采样，所以池化操作就可以理解为一种下采样。如果想进一步了解图像领域的上采样和下采样，可以参照：图像的上采样（upsampling）与下采样（subsampled）

• 对于非cv领域能，我觉得这个词用得少一点，如果是特征增多，一般称为特征构造，如果是选择部分特征，一般说特征选择。

2.过采样&欠采样

这主要是针对不平衡的数据集做的一些操作。

• 欠采样（undersampling）：当数据不平衡的时，比如对于一个只用0和1的二分类问题，样本标签1有10000个数据，样本标签0有6000个数据时，为了保持样本数目的平衡，可以选择减少标签1的数据量，这个过程就叫做欠采样。

• 过采样（oversampling）减少数据量固然可以达到以上效果，并且在一定程度上防止过拟合，但是这也牺牲了数据，因此存在另一种增加样本的采样方法，也就是增加标签0的样本数。

3.信号领域

本文主要是介绍机器学习领域，笔者发现在信号处理领域也有这些专业术语，这里可以参考：降采样，过采样，欠采样，子采样，下采样，上采样，你学会了吗？【总结】