处理机器学习中的不平衡数据？

Question

在数据中，如果目标特征是不平衡的，说2％好到98％坏，并说2％是500条记录，如果我使用那500条不良记录加上只有500条好记录从98％并在机器中训练模型怎么办？学习。

我的问题是，该模型能够很好地概括500 + 500数据，因为它是50:50好与坏？我根据多次迭代选择好的500条记录，以获得高精度，因为只有1000条记录会在机器中运行得更快以获得输出。

Answer 1

[https://machinelearningmastery.com/tactics-to-combat-imbalanced-classes-in-your-machine-learning-dataset/][1]

嗨，

希望以上参考链接将清除您的概念。

如果处理不平衡数据的不良方法只检查一种可能性，则必须尝试不同的方法，如收集更多数据，创建数据，更改精度测量（roc曲线或不同类型的矩阵）或对输入数据进行采样。