深度学习样本不均衡问题解决

在深度学习中，样本不均衡是指不同类别的数据量差别较大，利用不均衡样本训练出来的模型泛化能力差并且容易发生过拟合。 对不平衡样本的处理手段主要分为两大类：数据层面 (简单粗暴)、算法层面 (复杂) 。 数据层面 采样（Sample） 数据重采样：上采样或者下采样   上采样 下采样 使用情况 数据不足时 数据充足 (支撑得起你的浪费) 数据集变化 增加 间接减少(量大类被截流了) 具体手段 大量复制

>>阅读原文<<