SMOTE算法-樣本類別不平衡問題

類別不平衡問題 類別不平衡問題，顧名思義，即數據集中存在某一類樣本，其數量遠多於或遠少於其他類樣本，從而導致一些機器學習模型失效的問題。例如邏輯迴歸即不適合處理類別不平衡問題，例如邏輯迴歸在欺詐檢測問題中，因爲絕大多數樣本都爲正常樣本，欺詐樣本很少，邏輯迴歸算法會傾向於把大多數樣本判定爲正常樣本，這樣能達到很高的準確率，但是達不到很高的召回率。        上採樣(過採樣)和下采樣(負採樣）策略

>>阅读原文<<