鄙人有两个问题,希望大家可以能解答一下,解答几个无所谓,您们开心就好
1.决策边界上的点是更有价值的吗?2.学习非平衡数据集时是否应该更加注重决策边界上的值?
收起
当前问题酬金
¥ 0 (可追加 ¥500)
支付方式
扫码支付
支付金额 15 元
提供问题酬金的用户不参与问题酬金结算和分配
支付即为同意 《付费问题酬金结算规则》
对于判别式模型来说,一般决策边界上的样本比较有价值。例如支持向量机只取决于离决策边界最近的样本,这些样本叫做支持向量;但对于生成式模型来说,并不依靠决策边界进行决策,所以样本一视同仁,例如各种概率模型。
学习非平衡数据集时是否应该更加注重决策边界上的值,这是基于什么情况来提问的呢?一般而言,非平衡数据集引入了人为采样的先验分布,对机器学习是有不利影响的,通常先进行数据均衡化处理。
鄙人愚见,如有帮助,还请采纳
报告相同问题?