在数据挖掘中,我采用机器学习算法解决二分类问题。数据极其不平衡,非平衡率(好样本:坏样本)高达1:500。请问采用什么机器学习算法和数据采样技术,或者两者的结合,可以解决这种数据极其非平衡的二分类问题,使得模型具有较高的召回率或f1值。
1条回答
- threenewbee 2019-10-16 09:02关注
两个办法,一个是通过复制的方式扩展坏样本,凑到和好样本一样多
一个是修改损失函数,将坏样本识别为好样本(漏报)的权重远远大于误报(好样本识别为坏样本)的权重解决 无用评论 打赏 举报
悬赏问题
- ¥15 优质github账号直接兑换rmb,感兴趣伙伴可以私信
- ¥15 错误(10048): “调用exui内部功能”库命令的参数“参数4”不能接受空数据。怎么解决啊
- ¥15 安装svn网络有问题怎么办
- ¥15 Python爬取指定微博话题下的内容,保存为txt
- ¥15 vue2登录调用后端接口如何实现
- ¥65 永磁型步进电机PID算法
- ¥15 sqlite 附加(attach database)加密数据库时,返回26是什么原因呢?
- ¥88 找成都本地经验丰富懂小程序开发的技术大咖
- ¥15 如何处理复杂数据表格的除法运算
- ¥15 如何用stc8h1k08的片子做485数据透传的功能?(关键词-串口)