深度学习炼丹-不平衡样本的处理
前言一,数据层面处理方法1.1,数据扩充1.2,数据(重)采样数据采样方法总结1.3,类别平衡采样二,算法(损失函数)层面处理方法2.1,Focal Loss2.2,损失函数加权参考资料前言在机器学习的经典假设中往往假设训练样本各类别数目是均衡的,但在实际场景中,训练样本数据往往都是不均衡(不平衡)...
深度学习炼丹-不平衡样本的处理
前言一,数据层面处理方法 1.1,数据扩充1.2,数据(重)采样 数据采样方法总结1.3,类别平衡采样二,算法(损失函数)层面处理方法 2.1,Focal Loss2.2,损失函数加权参考资料前言 在机器学习的经典假设中往往假设训练样本各类别数目是均衡的,但在实际场景中,训练样本数据...
类间样本数量不平衡对分类模型性能的影响问题
这篇博文是作者的一个实验笔记,研究一个”飞机-背景“二分类器在不同样本比例下精度,召回率的规律。 1. 问题描述 固定正样本(飞机)2000个,改变负样本(背景)的训练数据量 1 : 0.5 、 1 : 1 、 1 : 2 、 1 : 5 、 1 : 10 、 1: 30. 随着负...