数据不平衡问题

千锋教育

这主要是由于数据分布不平衡造成的。解决方法如下:


1. 采样,对小样本加噪声采样,对大样本进行下采样


2. 数据生成,利用已知样本生成新的样本


3. 进行特殊的加权,如在Adaboost中或者SVM中


4. 采用对不平衡数据集不敏感的算法


5. 改变评价标准:用AUC/ROC来进行评价


6. 采用Bagging/Boosting/ensemble等方法


7. 在设计模型的时候考虑数据的先验分布