不均衡學習

1、簡介            在不少場景的數據集中，都會出現某一類數據的數量遠遠多於其它類的數據，通常都是以二分類的類別不平衡問題爲主。一個簡單的理解，假如某個數據集，10萬個正樣本(正經常使用戶標籤爲0)與1000個負樣本(有問題用戶標籤爲1)，正負樣本比例爲100:1，若是模型學習每一次梯度降低使用全量樣本，負樣本的權重不到1/100，即便徹底不學習負樣本的信息，準確率也有99%，因此實際應

>>阅读原文<<