Mengimbangi kelas

1. Apakah pengimbangan kelas?
2. Apakah contoh ketidakseimbangan kelas?
3. Mengapa kita menggunakan pengimbangan kelas dalam pembelajaran mesin?
4. Apakah ketidakseimbangan kelas dan bagaimana anda berurusan dengannya?

Apakah pengimbangan kelas?

Apakah pengimbangan kelas? Dalam pembelajaran mesin, pengimbangan kelas bermaksud mengimbangi kelas dengan sampel yang tidak seimbang.

Apakah contoh ketidakseimbangan kelas?

Ketidakseimbangan kelas adalah normal dan dijangka dalam aplikasi ML biasa. Contohnya: Dalam pengesanan penipuan kad kredit, kebanyakan urus niaga adalah sah, dan hanya sebahagian kecil. Dalam pengesanan spam, sebaliknya: kebanyakan e -mel yang dihantar di seluruh dunia hari ini adalah spam.

Mengapa kita menggunakan pengimbangan kelas dalam pembelajaran mesin?

Mengimbangi dataset menjadikan latihan model lebih mudah kerana ia membantu mencegah model menjadi biassed ke arah satu kelas. Dengan kata lain, model tidak lagi akan memihak kepada kelas majoriti hanya kerana ia mengandungi lebih banyak data.

Apakah ketidakseimbangan kelas dan bagaimana anda berurusan dengannya?

Salah satu teknik ketidakseimbangan kelas yang diterima pakai untuk menangani dataset yang sangat tidak seimbang dipanggil resampling. Ia terdiri daripada membuang sampel dari kelas majoriti (bawah sampel) dan/atau menambah lebih banyak contoh dari kelas minoriti (over-sampling).