类别不平衡对数据分析的影响

大部分的分类学习方法都有一个默认的假设：不同类别的训练样例数目相当。如果不同类别的训练样例数目稍有差别，通常影响不大。比如如果一个1000个样例的数据集中，有998个反例只有两个正例。那么学习方法只需要返回一个预测值斗士反例的模型则正确率就可以达到99.8%，这显然是不合理的。

类别不平衡问题定义

类别不平衡（class imblance）指分类问题中不同类别的训练样例数目差别很大的情况。

处理方法

在我们用y=w^Tx+b对新样本进行分类的时候，事实上是在用预测出来的y值和一个阈值进行比较，例如通常在y>0.5的时候判别为正例，否则为反例。y实际上表达了正例的可能性。几率\frac{y}{1-y}则反应了正例可能性和反例可能性之比值，阈值设为0.5说明分类器认为真实正反例可能性相同。即：

若\frac{y}{1-y}>1，则预测为正例

然而当训练集中的正、反例数目不相同时，令m^+表示正例树木，用m^-表示反例数目，则观测几率是\frac{m^+}{m^-}，即：

若\frac{y}{1-y}>\frac{m^+}{m^-}，则预测为正例

 

# 机器学习
Logo
CSDN学习社区

CSDN联合极客时间，共同打造面向开发者的精品内容学习社区，助力成长！

更多推荐

嵌入式作业（七）：基于Ardunio的STM32串口通信

嵌入式作业（七）0作业要求1Ardunio 完成STM32的串口通信（1）安装Ardunio IDE（2）stm32串口通信2关于 stduino IDE0作业要求安装 Ardunio IDE 和相关软件支持库，在Ardunio 完成STM32板子的串口通信程序：（1）持续向串口输出“Hello world！”；（2）当接收到“stop!”时，停止输出。网上有一个国人版的MCU集成开发平台， st

avatar CSDN学习社区

JDBC详解

JDBC文章目录JDBC什么是JDBC?JDBC驱动程序:Java使用JDBC访问数据库的步骤:设置classpath:Oracle连接字符串的书写格式:简单的例子:常用数据库的驱动程序及JDBC URL:Oracle数据库:SQL Server数据库MySQL数据库Access数据库PreparedStatement接口:JNDI-数据源（Data Source）与连接池（Connection

avatar CSDN学习社区

“模式识别与机器学习”学习笔记no2.再谈感知机

接**上篇：上篇主要进行了PLA，Pocket算法的理论过程分析和在给定数据集上利用pocket算法对数据集进行分类学习，得到错分数量最少的分类面。上篇中pocket算法的过程已经进行了编程和测试，框架已经建立了起来，这一篇主要上篇中没有提到或涉及不深的几个问题。1.数据集的构造。上篇是直接使用了题目给的向量，这次来根据正态分布来产生数据集。np.random.normal函数可以根据均值和方差生

avatar CSDN学习社区