我正在处理多类分类器。我的数据不平衡。因此，我需要在训练之前应用采样技术（欠采样或过采样）。当我应用欠采样时，loss和val_loss，以及acc和val_acc表现出很好的拟合。在这种情况下，是否还需要对数据进行过采样？我应该期待什么结果？
我什么时候应该对数据进行过采样？
数据挖掘
神经网络
分类
特征选择
阶级失衡
2022-01-19 10:55:25
1个回答
我会考虑重新采样数据的唯一情况是需要提高特定类的召回率。因此，目标是强制分类器更频繁地预测此类，即使这通常意味着总体上会降低性能。
重采样是一种简单的方法，但很少是最佳方法。一般来说，我首先会分析分类器产生的错误，可能会考虑替代设计和/或特征工程。
其它你可能感兴趣的问题