在机器学习中处理不平衡的数据？

Question

在数据中，如果目标特征不平衡，说 2% 好到 98% 坏，说 2% 是 500 条记录，如果我使用这 500 条坏记录加上 98% 中的 500 条好记录并训练机器学习中的模型。

我的问题是模型能否很好地概括 500 + 500 个数据，因为它是 50:50 的好与坏？我会选择基于多次迭代的 500 条记录来获得高精度，因为只有 1000 条记录会在机器中运行得更快以获得输出。

Answer 1

[https://machinelearningmastery.com/tactics-to-combat-imbalanced-classes-in-your-machine-learning-dataset/][1]

你好，

希望以上参考链接能清除您的概念。

在处理不平衡数据的情况下，仅检查一种可能性是不好的方法，您必须尝试不同的方法，例如收集更多数据、创建数据、更改精度测量（roc 曲线或不同类型的矩阵）或对输入进行采样数据。