上采样下采样 过采样 欠采样

一、上采样和下采样的对比

• 上采样：放大图片
• 下采样：缩小图片

二、过采样和欠采样的对比

针对于正负样本不均衡，例如当正负样本比例达到1：99，分类器将所有的样本都判为负样本能达到99%的正确率，显然结果不是我们想要的。又例如，有一组数据，其中标签为1的样本数有2000，标签为0的数为400。

• 过采样：从少数类样本中（这里标签为0的样本就是少数样本）重复抽取样本，对少数类样本进行多次复制，扩大数据规模
• 欠采样：从多数类样本中（这里标签为1的样本就是多数样本）丢弃部分样本，可能会损失部分有用的东西，造成模型只学到整体的一部分。