今天看啥  ›  专栏  ›  机器学习实验室

在深度学习中,是否应该打破正负样本1:1的迷信?

机器学习实验室  · 公众号  ·  · 2024-09-25 16:11

文章预览

作者丨刘芷宁 伊利诺伊大学香槟分校 来源丨PaperWeekly 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? 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:当训练集和测 ………………………………

原文地址:访问原文地址
快照地址: 访问文章快照
总结与预览地址:访问总结与预览