深度学习过程中，是否要打破正负样本1:1的迷信思想？

文章预览

以下 文 章来源于微信公众号：极市平台 作者： 极市 平台 链接：https://mp.weixin.qq.com/s/COQZPqG8KYWZkYqfMXUMeA 本文仅用于学术分享，如有侵权，请联系 后 台作删文处理 导读 数据集是深度学习的基础，样本均衡问题也是大家一直关注的问题。但是，正负样本的比例并不是唯一决定任务难度的因素。本文对此做了详细解读，希望对大家有所帮助。 在深度学习中，样本不均衡普遍被认为是数据集中不同类别的样本数量不等。特别地，当训练集和测试集的类别分布不匹配时，采用处理样本不均衡的策略显得尤为重要。 然而，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 ………………………………