對於svm中遇到的非均衡資料集，可以採用以下策略：
假設有4類樣本，比如，第一類有500個，第二類有300個，第三類有600個，第四類有200個，那麼，可以通過svm的class_weights（cvsvm中有該引數）來進行均衡，具體如下，
1 求所有樣本和，在這裡為1600
2 求每一類樣本數與總數的比值，如在這裡為 500/1600=0.3125，
300/1400=0.817，
600/1600=0.375，
200/1600=0.125，
3 求各個小數的比值，並轉化為整數，在這裡是
5:3:6:2,
對於opencv中的svm可以採用如下的方式給class_weights進行賦值：
cvsvmparams svm_params;
float a[4]=;
cvmat mat=cvmat(1,4,cv_32fc1,a);
svm_params.class_weights=&mat;
在這裡，class_weights是c_svc中的可選權重，賦給指定的類，乘以c變成
class_weights*c。所以這些權重影響不同類別的錯誤分類懲罰項。權重越大，某一類的誤份類資料的懲罰項就越大。懲罰項越大，代表了其越不能夠容忍錯誤。
資料集按類劃分 用特別設計的損失處理非均衡資料
本文是對 cvpr 2019 class balanced loss based on effective number of samples 的一篇點評，全文如下 這篇 針對最常用的損耗 softmax 交叉熵 focal loss 等 提出了一種按類重新加權的方案，以快速提高精度，特別是在處理類...
在深度學習中處理不均衡資料集
hard negative mining online hard sample mining 在上面的情況中，我們當然需要我們的少數 買 的類別要特別的準確，而 不買 的類別則無關緊要。但是在實際情況中，由於買的情況比不買的情況要少得多，我們的模型 會偏向 不買 的類別，而 買 的類別的準確率則可能...
基於svm的鳶尾花資料集分類
與資料請見 一.簡介 支援向量機，因其英文名為support vector machine，故一般簡稱svm，通俗來講，它是一種二類分類模型，其基本模型定義為特徵空間上的間隔最大的線性分類器，其學習策略便是間隔最大化，最終可轉化為乙個凸二次規劃問題的求解。最基礎的便是二分類問題，給定乙個資料集，含有...