非均衡樣本處理的心法

  身處大數據時代，對模型和風控工作者來說無異於福音。但與此同時，數據呈現長尾分佈，不均衡分佈導致訓練困難，效果不佳。具體到風控場景中，負樣本的佔比要遠遠小於正樣本的佔比。考慮一個簡單的例子，假設有10萬個樣本，其中逾期客戶500個，壞樣本佔比0.5%。如果我們直接將數據輸入模型進行訓練，將導致即便全部判斷爲正，準確率也能達到99.5%，在梯度下降過程中，正樣本壓倒性的影響，模型難以收斂到最優點。

>>阅读原文<<