长尾问题怎么处理？

什么是长尾问题？

 标签集中，部分标签与很多文本样本相关联，但是还有一些标签与非常少，甚至说没有和文本样本相关联，可以理解为长尾问题。

如何处理？

1.导致长尾问题的本质其实是信息不足，那么可以从补充信息的角度去处理。比如对于文本分类问题，可以尝试着将标签集的更多信息，比如层级信息等放入模型当中，让模型有更多的信息可以去学习。还可以通过过采样、欠采样的方式来平衡数据集分布。

2.如果从集成学习的角度来讲，比如boosting中的投票里的各个基分类器的权值来考虑，我们也可以给这些标签设置不一样的权值。