machine-learning - 构建模型，在两个类别之间的差异过大时做出决策

Question

目前我正在构建一个 ML 模型，用于使用分类器根据某些条件做出决策。顺便说一句，我收集的数据太不正常了:假设我的数据分为A类和B类，A类和B类的记录比例约为1:300。

有什么方法可以处理这个模型吗？我尝试了很多不同的方法，但结果都是过度拟合。

Answer 1

您所说的“太异常”的问题在机器学习、数据挖掘、统计等社区中被称为“数据集不平衡”。这就是类(Class)代表不平等的情况。

这种情况并不罕见。事实上，在许多分类问题中，感兴趣的事件并不经常发生，这就是它令人感兴趣的原因。因此，与其他标签相比，此事件发生的标签非常罕见。

有很多不同的方法来处理不平衡的数据集，并且在大多数情况下，尝试使其平衡。欠采样和过采样是典型的方法。通常，这两者的结合可以得到更好的结果。

第一个 Google 建议给了我这个:

• How to handle Imbalanced Classification Problems in machine learning?
• 8 Tactics to Combat Imbalanced Classes in Your Machine Learning Dataset.