資料不平衡解決方法

資料不平衡的解決方法

1：什麼是資料不平衡

以二分類舉例，資料不平衡是指資料集中正類和負類的比例嚴重失調，比如正：負為9：1。資料不平衡會導緻模型學習偏差，模型會傾向于學習比例高的資料特征，對比例低的資料隻學習到很少的特征。

在真實的業務場景中，比如地震預測，地震發生的樣例和地震不發生的樣例比例失衡，如果模型傾向于預測地震不發生，就會出現模型誤判地震發生為不發生的情況，這是不能容忍的，是以解決資料不平衡問題很重要。

2 解決方法

2.1 資料方面

上采樣：增加少類樣本

下采樣：抛棄部分大類樣本

2.2 模型方面

設定懲罰機制：增加少類樣本預測錯誤的懲罰

2.3 評價名額

使用：精确率和召回率

2.4 更換損失函數

使用focal_loss