样本均衡

解决样本不均衡问题：

1. 上采样：增加原来样本数量较少的样本，直接复制原来的样本----样本较少

2. 下采样：较少原来样本数量较多的样本，丢弃多于的样本----------样本较多

                  每次正样本数量不变，随机选择等量的不同负样本进行模型训练，反复几次，训练多个模型，投票决定最终的分类

3. 合成样本：增加原来样本数量较少的样本。----------------------------样本较少

                      从各个feature随机选择一个已有值，然后拼接成一个新样本

4. 改变样本权重：增大样本数量类别少类别的权重

                             当这样的样本被误分，损失值要乘以权重。

转载于:https://www.cnblogs.com/hapyygril/p/10024711.html