深度学习分类类别不平衡_Github|类别不平衡学习资源(上）

今天推荐的是一个 github 项目，项目地址如下，主要是类别不平衡学习的论文、代码、框架、库等资源

https://github.com/ZhiningLiu1998/awesome-imbalanced-learning

本文首发于我的知乎专栏：https://zhuanlan.zhihu.com/p/142692473，阅读会更加方便，可以直接点击链接，可以点击文章底部”阅读原文“直接跳转。

前言

类别不平衡(Class-imbalance)，也被称为长尾问题(long-tail problem)，指的是分类问题中数据集的类别数量并不一致，有的类别特别多，但有的类别特别少，并且这是实际应用里非常常见的问题。例如，欺诈检测，罕见药物不良反应的预测，以及基因家族预测。因为类别不平衡的原因就会导致预测不准确，降低了分类模型的性能。因此，不平衡学习(Imbalanced learning)的目标就是要解决类别不平衡问题，并从不平衡的数据中学习一个无偏模型。

目录如下所示：

代码库/框架

Python

R

Java

Scalar

Julia

论文

综述

深度学习

数据重采样(Data resampling)

成本敏感学习(Cost-sensitive Learning)

集成学习(Ensemble Learning)

异常检测

其他

不平衡数据库

其他的资源

另外，带有🉑 标记的是作者特别推荐的重要或者高质量的论文和框架。

(ps. 文章太长，所以分成上下两篇，更方便阅读)

代码库/框架

Python

imbalanced-learn

官网：https://imbalanced-learn.org/stable/

Github：https://github.com/scikit-learn-contrib/imbalanced-learn

官方文档：https://imbalanced-learn.readthedocs.io/en/stable/

论文地址：http://10.187.70.34/www.jmlr.org/papers/volume18/16-365/16-365.pdf

这个库是一个 python 编写的提供了一些常用于数据集的重采样技术，它适配 sciki