目录
1.类别不平衡问题
采样与加权等方法。
1.1下采样
下采样是从大众类中剔除一些样本,或者说只从大众类中选取部分样本。
下采样的缺点是最终的训练集丢失了数据,模型只学到了总体模式的一部分。
- EasyEnsemble,利用模型融合的方法(Ensemble):多次下采样(放回采样,这样产生的训练集才相互独立)产生多个不同的训练集,进而训练多个不同的分类器,通过组合多个分类器的结果得到最终的结果。
- BalanceCascade,将Adaboost作为基分类器,其核心思路是在每一轮训练时都使用多数类与少数类数量上相等的训练集,然后使用该分类器对全体多数类进行预测,通过控制分类阈值(即概率超过多少判定为少数类)来控制FP(False Positive)率,将所有判断正确的类(数量为负样本总数×(1-FP))删除,然后进入下一轮迭代继续降低多数类数量。
1.2过采样
上采样是把小众类复制多份
上采样后的数据集中会反复出现一些样本,训练出来的模型会有一定的过拟合,可以在每次生成新数据点时加入轻微的随机扰动。
SMOTE策略:
1.3 再缩放