机器学习样本不平衡如何处理？

问：在机器学习训练时候，有时候会出现正负样本极其不平衡的状况，什么状况下会出现这种状况？有何有效的方法避免此类问题？ 答： 场景：在通常人群中生病vs没病；在通常工做状态下故障vs无端障；在通常交易中正常vs欺诈，等。 解决方法： 一、收集更多或不一样的数据。 二、生成合成的样本。 三、数据重采样。 四、将性能指标更改成混淆矩阵、精确性和召回率。F1得分，kappa，ROC曲线等。 五、采用内建非

>>阅读原文<<