不平衡數據的數據處理方法（F值）

 在機器學習中，不平衡數據是常見場景。不平衡數據一般指正樣本數量遠遠小於負樣本數量。如果數據不平衡，那麼分類器總是預測比例較大的類別，就能使得準確率達到很高的水平。比如正樣本的比例爲 1%，負樣本的比例爲 99%。這時候分類器不需要經過訓練，直接預測所有樣本爲負樣本，準確率能夠達到 99%。經過訓練的分類器反而可能沒有辦法達到99%。       對於不平衡數據的分類，爲了解決上述準確率失真的問題

>>阅读原文<<