g****t
发帖数: 31659 | 1 https://www.kdnuggets.com/2017/06/7-techniques-handle-imbalanced-data.html
www.kdnuggets.com/2017/06/7-techniques-handle-imbalanced-data.html
前段时间有人问这个问题吧。这个贴还不错 |
L****8
发帖数: 3938 | 2 https://www.kdnuggets.com/2017/06/7-techniques-handle-imbalanced-data.html
1. Use the right evaluation metrics
大家都不及格 所以修改成绩计算方式
2. Resample the training set
如果是用原来的数据，屁用没有
如果是产生新数据 那就是废话
3. Use K-fold Cross-Validation in the right way
没啥关系
4. Ensemble different resampled datasets
有点意思
5. Resample with different ratios
根4没啥大区别
6. Cluster the abundant class
对特定数据可能有效
但是没有充分利用数据
7. Design your own models
说的就是class weight和cost function
【在 g****t 的大作中提到】
: https://www.kdnuggets.com/2017/06/7-techniques-handle-imbalanced-data.html
: www.kdnuggets.com/2017/06/7-techniques-handle-imbalanced-data.html
: 前段时间有人问这个问题吧。这个贴还不错
|
L****8
发帖数: 3938 | 3 svm one class classification 这个思路其实很有意思
就是关注一个类的内部特征
【在 L****8 的大作中提到】
: https://www.kdnuggets.com/2017/06/7-techniques-handle-imbalanced-data.html
: 1. Use the right evaluation metrics
: 大家都不及格 所以修改成绩计算方式
: 2. Resample the training set
: 如果是用原来的数据，屁用没有
: 如果是产生新数据 那就是废话
: 3. Use K-fold Cross-Validation in the right way
: 没啥关系
: 4. Ensemble different resampled datasets
: 有点意思
|
g****t
发帖数: 31659 | 4 是的。这个有实际用途。
之前好像有人问猫狗分类只有10%的狗怎么办。
我觉得可以分黑猫白狗白猫黑狗减少不平衡。
: svm one class classification 这个思路其实很有意思
: 就是关注一个类的内部特征
【在 L****8 的大作中提到】
: svm one class classification 这个思路其实很有意思
: 就是关注一个类的内部特征
|
x****u
发帖数: 44466 | 5 这就回到了起点，我上哪里弄标签啊
【在 g****t 的大作中提到】
: 是的。这个有实际用途。
: 之前好像有人问猫狗分类只有10%的狗怎么办。
: 我觉得可以分黑猫白狗白猫黑狗减少不平衡。
:
:
: svm one class classification 这个思路其实很有意思
:
: 就是关注一个类的内部特征
:
|
m****o
发帖数: 182 | 6 比较靠谱的办法是用decoder encoder的办法使用unlabeled data预先训练神经网络。 |
N*****r
发帖数: 94 | 7
这年头上啥 SVM
SVM能上的数据集，基本靠不上NN的边
【在 L****8 的大作中提到】
: svm one class classification 这个思路其实很有意思
: 就是关注一个类的内部特征
|
