python-2.7 - 使用 Python 进行计算逻辑回归，不同的样本大小

Question

目前，我正在尝试用 Python 实现一个基本的逻辑回归算法来区分 A 和 B。

对于我的训练和测试数据，我有大约 50,000 个 A 样本和 1000 个 B 样本。如果我使用每个数据的一半来训练算法，另一半作为测试数据(25000 个训练数据)，这会是一个问题吗？ A、500 次训练 B 等用于测试准确性)。

如果是这样，我该如何克服这个问题。我是否应该考虑重新采样，做一些其他“花哨的事情”。

Answer 1

问题的严重程度取决于数据的性质。更大的问题是你的类别存在巨大的不平衡(每个 B 对应 50 个 As)。如果无论如何你最终都获得了良好的分类准确率，那就很好——没什么可做的。接下来做什么取决于您的数据、问题的性质以及解决方案中可接受的内容。对于这个问题，确实没有一个“这样做”的固定答案。