python - Python sklearn 中的训练集

Question

如果我在子组大小方面有一个有偏差的数据集，例如，如果我尝试预测“a”、“b”、“c”标签，但我的数据集有 1000 个“a”标签、500 个“b”标签和 250 个“c”标签，sklearn 是否有任何解决方法，或者它是否会自动考虑到这一点？

Answer 1

Sklearn 提供了处理不平衡数据本身的功能，您必须检查可用的不同指标 here并用它来找到您的模型具有更高准确率的最佳指标。评分指标是可以帮助您处理不平衡数据集的参数。只需在根据您的问题训练模型时选择您的评分，这将对解决问题有很大帮助。

When dealing with imbalanced data you can always do oversampling for the classes. This process can be done in data preprocessing.

有关处理不平衡数据的更多信息，您可以阅读 here和 here