【发布时间】：2015-08-28 23:23:37
【问题描述】：
目前，我正在尝试在 Python 中实现一个基本的逻辑回归算法来区分 A 和 B。
对于我的训练和测试数据，我有大约 50,000 个 A 样本和 1000 个 B 样本。如果我使用每个数据的一半来训练算法，另一半作为测试数据（25000 训练A, 500 train B 以此类推，用于测试准确性）。
如果是这样，我该如何克服这个问题。我是否应该考虑重新采样，做一些其他“花哨的事情”。
【问题讨论】：
-
样本A和B的数据有区别吗？还是这些样本来自同一个数据集，而您抢先将它们分成单独的样本，目的是让一个用于训练，另一个用于测试？
-
没有区别。样本 A 和 B 来自同一来源，但数据不同，因为每个样本中发生了不同的事情（例如，样本 A 在您健康时有数据，样本 B 在您生病时有数据）
标签： python-2.7 machine-learning statistics logistic-regression