如何在不平衡類上使用機器學習？

什麼也不做。有時好運就這樣降臨在你的頭上：你什麼都不需要做。你可以使用所謂的自然（或分層）分佈來進行訓練，有時不需任何修改就能正常運行。 通過某些方法使得數據更加平衡： 對少數類進行過採樣 對多數類進行欠採樣 合成新的少數類 捨棄所有少數類，切換成一個異常檢測框架。 在算法層面之上（或之後）： 調整類的權重（錯誤分類成本） 調整決策閾值 使已有的算法對少數類更加敏感 構造一個在不平衡數據上表現更好

>>阅读原文<<