深度學習樣本不均衡問題解決

在深度學習中，樣本不均衡是指不同類別的數據量差別較大，利用不均衡樣本訓練出來的模型泛化能力差並且容易發生過擬合。 對不平衡樣本的處理手段主要分爲兩大類：數據層面 (簡單粗暴)、算法層面 (複雜) 。 數據層面 採樣（Sample） 數據重採樣：上採樣或者下采樣   上採樣 下采樣 使用情況 數據不足時 數據充足 (支撐得起你的浪費) 數據集變化 增加 間接減少(量大類被截流了) 具體手段 大量複製

>>阅读原文<<