机器学习
文章平均质量分 83
ANN同学在搬砖
这个作者很懒,什么都没留下…
展开
-
类失衡下的数据挖掘(解决数据不平衡问题)
1 什么是类失衡?•类失衡问题:数据集中各个类别的样本量极不均衡时,模型会往往表现出对少数类的偏见,极端情况下会直接忽略少数类•问题预设:在分类问题中,存在某一类的样本数量远大于其他类的样本数量,在二分类情况下把两类样本的比例达到100:1的数据集称为不平衡数据。•典型场景:疾病识别;违约预测EBITDA利息倍数与净资产收益率特征下违约债券的样本分布C0 的曲线总是在 C1 曲线之上,因此对于任意给定点,它出自 C0 类的概率总大于出自 C1 类的概率。原创 2023-02-07 11:26:55 · 451 阅读 · 0 评论 -
联邦学习的算法优化及其应用
联邦学习的算法优化及其应用:横向联邦学习(特征对齐的联邦学习)、纵向联邦学习(样本对齐的联邦学习)、迁移联邦学习;中心化联邦学习、群体学习原创 2023-02-07 09:44:50 · 852 阅读 · 0 评论