處理不平衡樣本集的採樣方法

在訓練二分類模型時，例如醫療診斷、網絡入侵檢測、信用卡反詐騙等，經常會遇到正負樣本不均衡的問題。對於分類算法，如果直接採用不平衡的樣本集進行訓練學習，會存在一些問題。例如，如果正負樣本比例達到1:99，則分類器簡單地將所有樣本都判定爲負樣本能達到99%的正確率，顯然這並不是我們想要的，我們想讓分類器在正樣本和負樣本上都有足夠的準確率和召回率。 爲什麼很多分類模型在訓練數據不均衡時會出現問題？ 本質

>>阅读原文<<