我有一个高度不平衡的测试数据集。正面集由 100 个案例组成，而负面集由 1500 个案例组成。在训练方面，我有一个更大的候选池：正训练集有 1200 个案例，负训练集有 12000 个案例。对于这种情况，我有几种选择：
1）对整个训练集使用加权SVM（P：1200，N：12000）
2）使用基于采样训练集（P：1200，N：1200）的SVM，从12000个案例中抽取1200个负例。
对于决定哪种方法更好，是否有任何理论指导？由于测试数据集高度不平衡，我是否也应该使用不平衡的训练集？
高度不平衡数据集的训练方法
机器算法验证
机器学习
分类
数据挖掘
支持向量机
生物信息学
2022-01-26 06:00:35
2个回答
从reddit 最近的一篇文章来看，datapraxis 的回复会很有趣。
成对扩展逻辑回归、基于 ROC 的学习、Boosting 和 Bagging（引导聚合）、基于链接的集群集成 (LCE)、贝叶斯网络、最近质心分类器、贝叶斯技术、加权粗糙集、k-NN
以及许多处理不平衡的采样方法。
其它你可能感兴趣的问题