16如何处理不均衡数据

类别不平衡问题也成类偏斜，实质分类任务中不同类别的训练样例数目差别很大的情况。

那当我们遇到类别不均衡问题的时候应该怎么处理呢。这里给出了集中处理手段.

1、获取更多数据

己还能不能获取到更多的数据. 有时候只是因为前段时期的数据多半呈现的是一种趋势, 等到后半时期趋势又不一样了. 如果没有获取后半时期的数据, 整体的预测可能就没有那么准确了.

2、更换评判标准

 我们会用到 准确率 accuracy, 或者误差 cost来判断机器学习的成果. 可是这些评判方法在不均衡数据面前, 高的准确率和低的误差变得没那么重要. 所以我们得换一种方式评判. 通过 confusion matrix 来计算 precision 和 recall, 然后通过 precision 和 recall 再计算f1 分数.这种方式能成功地区分不均衡数据, 给出更好的评判分数.

3、重组数据

重新组合不均衡数据, 使之均衡. 方式一: 复制或者合成少数部分的样本, 使之和多数部分差不多数量. 方式二: 砍掉一些多数部分, 使两者数量差不多.

4、使用其他机器学习算法

一般决策树算法不受类别不均衡问题的影响

5、修改算法

如果你用的是 Sigmoid 的激励函数, 它会有一个预测门槛, 一般如果输出结果落在门槛（比如0）的这一段,预测结果为梨, 如果落在这一段, 预测结果为苹果, 不过因为现在的梨是多数派, 我们得调整一下门槛的位置, 使得门槛偏向苹果这边, 只有很自信的时候, 模型才会预测这是苹果. 让机器学习,学习到更好的效果.