1、非平衡数据
常见的分类模型中一般假设分类类别的比例是均衡的,但是现实中常出现正负样本数量不均衡的情况,比如对广告点击情况进行预测(广告点击率是比较少的),商品推荐(推荐商品被购买的数量比较少),贷款违约预测(违约的情况比较少),那么就需要对非平衡数据进行处理。
如果不处理,比如正类占比99%,负类占比1%,那么预测的准确度至少在99%以上,这样的预测没有意义。
在类别不平衡的情况下,F值和AUC去评判模型分类的效果是不错的选择。
2、处理非平衡数据
- 数据层面:改变数据分布,从数据层面使得数据类别变得平衡。