在分类问题中,我们经常会遇到正负样本数据量不等的情况,比如正_搜狗笔试题

嘻嘻兔

解决这类问题主要分重采样、欠采样、调整权值

1. 重采样。

A可视作重采样的变形。改变数据分布消除不平衡，可能导致过拟合。

2. 欠采样。

C的方案提高少数类的分类性能，可能丢失多数类的重要信息。

如果1：10算是均匀的话，可以将多数类分割成为1000份。然后将每一份跟少数类的样本组合进行训练得到分类器。而后将这1000个分类器用assemble的方法组合位一个分类器。A选项可以看作此方式，因而相对比较合理。

另：如果目标是预测的分布跟训练的分布一致，那就加大对分布不一致的惩罚系数。

3. 权值调整。

D方案也是其中一种方式。

http://blog.csdn.net/ztf312/article/details/50893967

编辑于 2016-03-15 16:07:19 回复(3)

East.W.R

出题很不严谨啊，什么叫最合适，然后又是多选。。。

编辑于 2018-01-20 16:50:19 回复(2)

kiss90

//机器学习分类问题中的不均衡问题（正负样本相差10倍以上）。
//周志华教授的EasyEnsemble就是解决不均衡问题的。
//感觉这题ACD都对，都是解决不均衡问题的方法。具体使用时要具体问题具体分析。

发表于 2016-03-04 22:03:33 回复(6)

牛客134755号

正负样本不平衡，在分类时候，需要平衡正负样本

A过抽样：通过多次复制小样本，改变数据分布消除不平衡，可能导致过拟合

C欠抽样：通过随机抽样减少多样本规模，提高少数类的分类性能，可能丢失多数类的重要信息

D权值方法好像也可以啊。。。

发表于 2015-12-10 14:48:17 回复(0)

卷积神经网络哦

把题目中的''最''字去掉再选acd更合理些

发表于 2019-02-23 16:56:48 回复(0)

网易内推滴滴我

这题说法不严谨，应该把“最”去掉，或者直接告诉我们合理的解决方法有哪些，否则会引起误解。现在都是双向选择，公司选我们，我们也会选公司。看一个公司咋样，其实，也可以从他们出题的说法看出来。

发表于 2020-03-28 23:22:10 回复(0)

mk101

欠采样：若随机丢失反例，可能丢失一些重要信息。代表性算法EasyEnsemble是利用集成学习机制，将多数类样本划分若干个集合供不同学习器使用，这样对每个学习器来看都进行了欠采样，但在全局来看不会丢失信息。

过采样：不能简单的对初始样本进行重复采样，否则会招致严重的过拟合。代表性算法SMOTE，对训练集里的样本进行插值产生额外样本。

阈值移动：直接基于原始训练集进行学习，但在用训练好的分类器进行预测时，将式（1）嵌入决策过程中。
感觉题目说的不够严谨，，最合适的但是欠采样和过采样都有各自的缺点
原文：https://blog.csdn.net/qq_18888869/article/details/88807483

发表于 2019-03-26 11:20:30 回复(0)

一匹努力的千里马

负载不均衡时方法主要有
A重采样
c采样
D调整权值

发表于 2018-05-11 16:21:37 回复(0)

菜鸡眼镜狗

B为什么不对，直接分类然后调整阈值不可以吗，还有就是A不会导致严重的过拟合吗

发表于 2017-08-28 21:54:51 回复(0)

pplife

A和D的效果理论上是一样的，但考虑到实际过程中分类器的训练过程，对于树模型而言，A的效果要比D好，对于线性分类器而言，线性可分的情况下，采样和权重都没有关系。最终都可以有分界面分出来。但对于线性不可分的情况下，二者差距似乎没有那么大。KNN的情况应该也差不多，但可以肯定的是重采样一般不会简单复制，都会加入微小的扰动，这种情况下冲采样是要优于赋权重。

发表于 2016-08-18 14:57:28 回复(0)