机器学习中，当原始数据的分类极不均衡，需要对不平衡数据进行处理，而下采样就是处理方法之一。简单来说就是从多数类中随机抽取样本从而减少多数类样本的数量，使数据达到平衡。
下采样，通常适用于正负样本相差较大，而且小样本数据不足的情况。就是将大样本中数据使用一定的方法取出一部分，让正负样本数量相当。但是下采样的缺点也很明显，就是没有学到全部的数据，只考虑了部分数据的情况。
下采样的方法常见的有：
1.随机下采样法。这种方法不能考虑到全部数据，在使用过程中会使用一些方式减小信息的损失。方法很简单，从多数类样本中随机选取一些，直接剔除掉。这种方法的最大缺点是，没有考虑到全部数据，被剔除的样本可能包含着一些重要信息，导致最终学习出来的模型效果比较差。
2.EasyEnsemble，就是利用模型融合的方法，将多数类样本随机划分成n个子集，每个子集的数量等于少数类样本的数量，多次进行下采样产生多个不同的模型，通过组合这些模型的结果，得到最终的结果。
3.BalanceCascade，即利用增量训练也就是有监督结合Boosting的方法，在第n轮训练中，将从多数类样本中抽样得来的子集与少数类样本结合起来训练一个基学习器H，训练完后多数类中能被H正确分类的样本不放回，然后对剩下的样本训练生成第二个基学习器，以此类推，最后将不同的基学习器集成起来。
3.NearMiss,本质上是一种原型选择(prototype selection)方法，就是从多数类样本中选取最具代表性的样本用于训练，这主要是为了缓解随机欠采样中的信息丢失问题。NearMiss采用一些启发式的规则来选择样本，根据规则的不同可分为3类：
NearMiss-1：选择到最近的K个少数类样本平均距离最近的多数类样本
NearMiss-2：选择到最远的K个少数类样本平均距离最近的多数类样本
NearMiss-3：对于每个少数类样本选择K个最近的多数类样本，目的是保证每个少数类样本都被多数类样本包围
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
SQL Server 中 CONVERT 函数的日期转换：从基础用法到实战优化 在 SQL Server 的数据处理中，日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率：打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中，“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18CDA 数据分析师：表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据（如数据库表、Excel 表、CSV 文件）是企业数字 ...
2025-09-18DSGE 模型中的 Et：理性预期算子的内涵、作用与应用解析 动态随机一般均衡（Dynamic Stochastic General Equilibrium, DSGE）模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确：TIF 中的地名有哪两种存在形式？ 在开始提取前，需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师：解锁表结构数据特征价值的专业核心 表结构数据（以 “行 - 列” 规范存储的结构化数据，如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值？详解 dropna 函数的功能与实战应用 在用 Python（如 pandas 库）处理 Excel 数据时，“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验：差异、适用场景与实践应用 在数据分析与统计学领域，假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师：掌控表格结构数据全功能周期的专业操盘手 表格结构数据（以 “行 - 列” 存储的结构化数据，如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析：原理、影响因素与优化 在 MySQL SQL 调优中，EXPLAIN执行计划是核心工具，而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content：区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时（如使用requests ...
2025-09-15CDA 数据分析师：激活表格结构数据价值的核心操盘手 表格结构数据（如 Excel 表格、数据库表）是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比：urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求（如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师：业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段，其价值 ...
2025-09-12用 SQL 验证业务逻辑：从规则拆解到数据把关的实战指南 在业务系统落地过程中，“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例：数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下，精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析：概念辨析与协同价值 在数据驱动决策的体系中，“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析：从操作实践到业务价值挖掘 在数据分析场景中，聚类分析作为 “无监督分组” 的核心工具，能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的：从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具，并非简单的 “公式堆砌”，而是围绕特定 ...
2025-09-10
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
