深度学习中关于样本不均衡问题的解决
·
一、改变不同样本损失函数权重
增加小样本数据的权重，减少大样本数据的权重，类似于Focal loss的原理
二、重采样
过采样小样本，降采样大样本，以此来达到样本均衡的目的。重采样的缺点也比较明显，过采样对少数样本"过度捕捞"可能会造成模型过拟合，降采样会丢失大量信息。
三、数据增强
对小样本的数据进行一系列数据增强操作。增加它的数量
魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。
更多推荐
0
0- 0
已为社区贡献5条内容
所有评论(0)