無偏采樣：意味著真實樣本總體的類別比例在訓練集中得以保持。

在訓練集中正反例數目不同時，令表示正例數目，表示反例數目，觀測幾率為，，我們假設訓練集是真是樣本總體的無偏采樣，因此觀測幾率就代表了真實幾率。只要分類器的預測幾率高于觀測幾率就應判定為正例，即

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?若?，則預測為正例。

再縮放（再平衡）：? ? ? ? ? ? ?（1）。

再縮放思想雖然簡單，但是實際操作卻不平凡，主要因為無偏采樣的假設往往不成立，就是說我們未必能有效的基于訓練集觀測幾率來推斷出真實幾率。現有技術上大體上有三類做法：欠采樣（下采樣），過采樣（上采樣），閾值移動。

欠采樣：若隨機丟失反例，可能丟失一些重要信息。代表性算法EasyEnsemble是利用集成學習機制，將多數類樣本劃分若干個集合供不同學習器使用，這樣對每個學習器來看都進行了欠采樣，但在全局來看不會丟失信息。

過采樣：不能簡單的對初始樣本進行重復采樣，否則會招致嚴重的過擬合。代表性算法SMOTE，對訓練集里的樣本進行插值產生額外樣本。

閾值移動：直接基于原始訓練集進行學習，但在用訓練好的分類器進行預測時，將式（1）嵌入決策過程中。

解決這類問題主要分重采樣、欠采樣、調整權值?

總結

以上是生活随笔為你收集整理的机器学习：正负样本数据量不平衡处理方法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。