面向非平衡数据的重采样优化研究.pdf

摘要

摘要

在非平衡数据集中,不同类别的样本数量存在明显差异,这会导致机器学习

算法在学习过程中过度关注数量较多的类别。由于多数类主导整体分类精度,传

统的机器学习算法往往难以有效识别少数类,从而导致分类效果失衡。这一偏差

的根本原因在于,许多机器学习算法以整体分类精度为优化目标。而在非平衡数

据集中,整体精度受到多数类影响较大。为解决上述问题,现有研究方法主要分

为两类:一类是基于算法层面的改进,通过优化分类学习算法,使其对少数

文档评论(0)

1亿VIP精品文档

相关文档