分类问题中的过采样和欠采样

Posted 2020-12-27 luban

在分类问题中，有存在正反例数目差异较大的情况，这种情况叫做类别不平衡。

针对这种问题，解决方式主要有3种：假设正例数量大，反例数目极小。

1、减少正例的数量，使得数据平衡，再进一步分类，这种情况属于“欠采样”；

2、增加反例的数目平衡数据，再分类，这种称为“过采样”；

3、阈值移动：直接使用原始数据进行分类，但在用训练好的分类器进行预测时，将下式加入到决策过程中，以调整正反例的平衡性。