样本不平衡 分类 难分样本 hard example OHEM

样本不平衡问题 　　如在二分类中正负样本比例存在较大差距，导致模型的预测偏向某一类别。如果正样本占据1%，而负样本占据99%，那么模型只需要对所有样本输出预测为负样本，那么模型轻松可以达到99%的正确率。一般此时需使用其他度量标准来判断模型性能。比如召回率ReCall（查全率：样本中所有标记为正样本的有多少被模型预测为正样本）。 从数据层解决办法： 　　1、欠采样（undersampling）：将

>>阅读原文<<