深度学习-样本类别不均衡的处理方法

参考人家的博客，原文地址：https://blog.csdn.net/qq_16236875/article/details/98115231
两个方面： 1 数据抽样，2 从算法角度出发，考虑不同误分类情况代价的差异性对算法进行优化。

1-1 欠采样：随机采样

1-2 过采样：smote 算法

SMOTE算法: 即合成少数类过采样技术，它是基于随机过采样算法的一种改进方案，由于随机过采样采取简单复制样本的策略来增加少数类样本，这样容易产生模型过拟合的问题，即使得模型学到的信息过于特别而不够泛化，SMOTE 算法的实习是对少数样本进行分析并根据少数样本人工合成新样本。

(1) 对少数类中的每个样本，以欧式距离为标准计算它到少数样本集中所有样本的距离，得到其k 近邻。

(2) 根据样本不平衡比例设置一个采样比例以确定采样倍率，对每个少数样本，从其k近邻中随机选择若干个样本。

(3) 对于每个随机选出的近邻，分别与原样本按照如下公式构建新样本

1-3 代价敏感学习

(1) 代价矩阵

算法： 代价敏感学习算法

costij 表示将第i 类样本预测为第j 类样本的代价，一般来说，costij =0 若将0 类判别为第1 类所造成的损失更大，则cost01> cost10,损失程度相差越大，cost01 与cost10的值差别越大，当cost01 和cost10 相等时为代价不敏感的学习问题。

(2) 代价敏感学习方法：

三种实现方式:

1. 从学习模型出发，对某一具体学习方法的改造，是之能适应不平衡数据，例如感知机，SVM，决策树，神经网络，以决策树为例： 可以从三个方面对其进行改造以适应不平衡数据的学习，这三个方面是决策阈值的选择方面，分裂标准的选择方面，剪枝方面，这三个方面都可以将代价矩阵引入。

2） 从贝叶斯风险理论出发，把代价敏感学习看成是分类结果的一种后处理。按照传统方法学习到一个模型，以实现损失最小为目标对结果进行调整，优化公式如下: 优点在于它可以不依赖所用的具体分类器，但是缺点也很明显，它要求分类器输出值为概率。

3. 从预处理的角度出发，将代价用于权重调整，使得分类器满足代价敏感的特性。

2.4 不平衡学习的评价方法

（1）F1 度量

(3)ROC 曲线和AUC面积

(4) ROC 和PRC

ROC曲线有个很好的特性：当测试集中的正负样本的分布变化的时候，ROC曲线能够保持不变。

对不平衡数据，PRC很敏感。

PRC相对的优势

当正负样本差距不大的情况下，ROC和PR的趋势是差不多的，但是当负样本很多时候，两者就截然不同了，ROC的效果看似很好，但是PR 上反映效果一般。

一般用ROC。

https://blog.csdn.net/pipisorry/article/details/51788927

https://zhuanlan.zhihu.com/p/36381828