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
K-S 曲线、回归与分类：数据分析中的重要工具 在数据分析与机器学习领域，K-S 曲线、回归和分类是三个核心概念与工具，它们各 ...
2025-07-31大数据时代对定性分析的影响 在大数据时代，海量、多样、高速且低价值密度的数据充斥着我们的生活与工作。而定性分析作为一 ...
2025-07-31CDA含金量分析 在数字经济与人工智能深度融合的时代，数据驱动决策已成为企业核心竞争力的关键要素。CDA（Certified Data Analys ...
2025-07-31SASEM 决策树：理论与实践应用 在复杂的决策场景中，如何从海量数据中提取有效信息并制定科学决策，是各界关注的焦点。SASEM 决 ...
2025-07-30SPSS 语法使用详解 在当今数据驱动的时代，SPSS（ Statistical Package for the Social Sciences）作为一款功能强大的统计分析软 ...
2025-07-30人工智能对CDA数据分析领域的影响 人工智能对 CDA（Certified Data Analyst，注册数据分析师）数据分析领域的影响是全方位、多层 ...
2025-07-30MySQL执行计划中rows的计算逻辑：从原理到实践 MySQL 执行计划中 rows 的计算逻辑：从原理到实践 在 MySQL 数据库的查询优化中 ...
2025-07-29左偏态分布转正态分布：方法、原理与实践 左偏态分布转正态分布：方法、原理与实践 在统计分析、数据建模和科学研究中，正态分 ...
2025-07-29CDA 数据分析师的职业生涯规划：从入门到卓越的成长之路 在数字经济蓬勃发展的当下，数据已成为企业核心竞争力的重要来源，而 CD ...
2025-07-29CDA数据分析师证书考取全攻略 一、了解 CDA 数据分析师认证 CDA 数据分析师认证是一套科学化、专业化、国际化的人才考核标准， ...
2025-07-29解析神经网络中 Softmax 函数的核心作用 在神经网络的发展历程中，激活函数扮演着至关重要的角色，它们为网络赋予了非线性能力， ...
2025-07-29解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中，开发者经常需要从服务器返回的响应中提取数 ...
2025-07-29鸢尾花判别分析：机器学习中的经典实践案例 在机器学习的世界里，有一个经典的数据集如同引路明灯，为无数初学者打开了模式识别 ...
2025-07-29用 Python 开启数据分析之旅：从基础到实践的完整指南 在数据驱动决策的时代，数据分析已成为各行业不可或缺的核心能力。而 Pyt ...
2025-07-29从 CDA LEVEL II 考试题型看 Python 数据分析要点 在数据科学领域蓬勃发展的当下，CDA（Certified Data Analyst）认证成为众多从 ...
2025-07-29CDA 数据分析师的工作范围解析 在数字化时代的浪潮下，数据已成为企业发展的核心资产之一。CDA（Certified Data Analyst）数据分 ...
2025-07-29解析 insert into select 是否会锁表：原理、场景与应对策略 在数据库操作中，insert into select 是一种常用的批量数据插入语句 ...
2025-07-29用 Power BI 制作地图热力图：基于经纬度数据的实践指南 在数据可视化领域，地图热力图凭借直观呈现地理数据分布密度的优势，成 ...
2025-07-29从数据到决策：CDA 数据分析师如何重塑职场竞争力与行业价值 在数字经济席卷全球的今天，数据已从 “辅助工具” 升级为 “核心资 ...
2025-07-292025 年 CDA 数据分析师考纲焕新，引领行业人才新标准 在数字化浪潮奔涌向前的当下，数据已成为驱动各行业发展的核心要素。作为 ...
2025-07-29
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
