樣本不平衡 分類 難分樣本 hard example OHEM

樣本不平衡問題 　　如在二分類中正負樣本比例存在較大差距，導致模型的預測偏向某一類別。如果正樣本佔據1%，而負樣本佔據99%，那麼模型只需要對所有樣本輸出預測爲負樣本，那麼模型輕鬆可以達到99%的正確率。一般此時需使用其他度量標準來判斷模型性能。比如召回率ReCall（查全率：樣本中所有標記爲正樣本的有多少被模型預測爲正樣本）。 從數據層解決辦法： 　　1、欠採樣（undersampling）：將

>>阅读原文<<