在深度学习中，是否应该打破正负样本1:1的迷信思想？

文章预览

前言   当训练集和测试集分布匹配，但是正负样本比例仍然是悬殊的，这种情况下是否有必要再引入处理不平衡样本的策略？例如，在自然科学领域，如预测药物与靶点结合（即正负样本）的场景中，实际情况往往是正负样本本身不均衡的。在这种情况下， 使用过采样等技术人为使训练集中的正负样本比例达到 1:1 是否合理？ Pytorch训练营，花两个星期彻底掌握代码实现 CV各大方向专栏与各个部署框架最全教程整理 CV全栈指导班、基础入门班、论文指导班 全面上线!! 作者：刘芷宁 学校：伊利诺伊大学香槟分校 来源：PaperWeekly 仅用于学术分享，若侵权请联系删除 笔者做过相当长一段时间的不平衡/长尾问题，上述内容对两个问题答案的假设一对一错。 Q：是否应该打破正负样本 1:1 的迷信思想？ A：是的，类别不平衡的比例只是表象，并非本质。 Q： ………………………………