一、改变不同样本损失函数权重
增加小样本数据的权重,减少大样本数据的权重,类似于Focal loss的原理
二、重采样
过采样小样本,降采样大样本,以此来达到样本均衡的目的。重采样的缺点也比较明显,过采样对少数样本"过度捕捞"可能会造成模型过拟合,降采样会丢失大量信息。
三、数据增强
对小样本的数据进行一系列数据增强操作。增加它的数量
一、改变不同样本损失函数权重
增加小样本数据的权重,减少大样本数据的权重,类似于Focal loss的原理
二、重采样
过采样小样本,降采样大样本,以此来达到样本均衡的目的。重采样的缺点也比较明显,过采样对少数样本"过度捕捞"可能会造成模型过拟合,降采样会丢失大量信息。
三、数据增强
对小样本的数据进行一系列数据增强操作。增加它的数量