机器学习中训练样本不均衡问题
在实际中，训练模型用的数据并不是均衡的，在一个多分类问题中，每一类的训练样本并不是一样的，反而是差距很大。比如一类10000，一类500，一类2000等。解决这个问题的做法主要有以下几种：
欠采样：就是把多余的样本去掉，保持这几类样本接近，在进行学习。（可能会导致过拟合）
过采样：就是增加比较少样本那一类的样本数量，比如你可以收集多一些数据，或者对数据增加噪声，如果是图像还可以旋转，裁剪，缩放，平移等，或者利用PCA增加一些样本，等方法
第三种：就是直接采用不均衡数据进行训练，可以在代价函数那里需要增加样本权重，用来平衡这个问题，也就是类别数量少的那一类代价就高，权重就比较大。在评价模型好坏的时候也需要考虑样本权重问题。
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
数据分析的核心价值在于用数据驱动决策，而指标作为数据的“载体”，其选取的合理性直接决定分析结果的有效性。选对指标能精准定 ...
2026-01-23在MySQL查询编写中，我们习惯按“SELECT → FROM → WHERE → ORDER BY”的语法顺序组织语句，直觉上认为代码顺序即执行顺序。但 ...
2026-01-23数字化转型已从企业“可选项”升级为“必答题”，其核心本质是通过数据驱动业务重构、流程优化与模式创新，实现从传统运营向智能 ...
2026-01-23CDA持证人已遍布在世界范围各行各业，包括世界500强企业、顶尖科技独角兽、大型金融机构、国企事业单位、国家行政机关等等，“CDA数据分析师”人才队伍遵守着CDA职业道德准则，发挥着专业技能，已成为支撑科技发展的核心力量。 ...
2026-01-22在数字化时代，企业积累的海量数据如同散落的珍珠，而数据模型就是串联这些珍珠的线——它并非简单的数据集合，而是对现实业务场 ...
2026-01-22在数字化运营场景中，用户每一次点击、浏览、交互都构成了行为轨迹，这些轨迹交织成海量的用户行为路径。但并非所有路径都具备业 ...
2026-01-22在数字化时代，企业数据资产的价值持续攀升，数据安全已从“合规底线”升级为“生存红线”。企业数据安全管理方法论以“战略引领 ...
2026-01-22在SQL数据分析与业务查询中，日期数据是高频处理对象——订单创建时间、用户注册日期、数据统计周期等场景，都需对日期进行格式 ...
2026-01-21在实际业务数据分析中，单一数据表往往无法满足需求——用户信息存储在用户表、消费记录在订单表、商品详情在商品表，想要挖掘“ ...
2026-01-21在数字化转型浪潮中，企业数据已从“辅助资源”升级为“核心资产”，而高效的数据管理则是释放数据价值的前提。企业数据管理方法 ...
2026-01-21在数字化商业环境中，数据已成为企业优化运营、抢占市场、规避风险的核心资产。但商业数据分析绝非“堆砌数据、生成报表”的简单 ...
2026-01-20定量报告的核心价值是传递数据洞察，但密密麻麻的表格、复杂的计算公式、晦涩的数值罗列，往往让读者望而却步，导致核心信息被淹 ...
2026-01-20在CDA（Certified Data Analyst）数据分析师的工作场景中，“精准分类与回归预测”是高频核心需求——比如预测用户是否流失、判 ...
2026-01-20在建筑工程造价工作中，清单汇总分类是核心环节之一，尤其是针对楼梯、楼梯间这类包含多个分项工程（如混凝土浇筑、钢筋制作、扶 ...
2026-01-19数据清洗是数据分析的“前置必修课”，其核心目标是剔除无效信息、修正错误数据，让原始数据具备准确性、一致性与可用性。在实际 ...
2026-01-19在CDA（Certified Data Analyst）数据分析师的日常工作中，常面临“无标签高维数据难以归类、群体规律模糊”的痛点——比如海量 ...
2026-01-19在数据仓库与数据分析体系中，维度表与事实表是构建结构化数据模型的核心组件，二者如同“骨架”与“血肉”，协同支撑起各类业务 ...
2026-01-16在游戏行业“存量竞争”的当下，玩家留存率直接决定游戏的生命周期与商业价值。一款游戏即便拥有出色的画面与玩法，若无法精准识 ...
2026-01-16为配合CDA考试中心的 2025 版 CDA Level III 认证新大纲落地，CDA 网校正式推出新大纲更新后的第一套官方模拟题。该模拟题严格遵 ...
2026-01-16在数据驱动决策的时代，数据分析已成为企业运营、产品优化、业务增长的核心工具。但实际工作中，很多数据分析项目看似流程完整， ...
2026-01-15
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
