解决方法：
通过采样的方法：
- 少数数据过采样
- 多数数据欠采样
- 生成少数数据：SMOTE
- 使用分类方法解决欠采样： Informed understanding
通过代价敏感学习
增加代价矩阵：使得少数累的代价增大，对应的常规算法都有代价函数版本，举例：AdaCost
不平衡数据的处理
最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
推荐阅读更多精彩内容
- 机器学习是做NLP和计算机视觉这类应用算法的基础，虽然现在深度学习模型大行其道，但是懂一些传统算法的原理和它们之间...
- 大家好，今天我要讲的内容是在深度学习的卷积神经网络中，如何减弱过拟合问题的相关研究，最近刚好在修改论文，就把相关的...
- //我所经历的大数据平台发展史（三）：互联网时代 • 上篇http://www.infoq.com/cn/arti...
- 题目：用于语义分割的全卷积网络 文章链接：《Fully Convolutional Networks for Se...
