過取樣：過擬合（學習到小類別樣本中的雜訊）
欠取樣：欠擬合（丟失大類別樣本中的重要資料）
找到小類別樣本中的k個近鄰，然後在他們之間的連線上取點，作為新的樣本。
缺點：容易過擬合
其與smote的不同是：smote是對每乙個minority樣本產生綜合新樣本，而borderline-smote僅對靠近邊界的minority樣本創造新資料。
tomek links用於去除重疊資料，其主要思想是：找出最近距離的2個樣本（這2個樣本屬於不同的類），然後將這2個樣本都去除，直到某一樣本周圍的近鄰都是屬於同一類。
取樣方法主要考慮正負例的分布，而代價敏感方法主要考慮誤分類樣本的代價，通過代價矩陣來度量。
也就是說，正負樣本不平衡的問題是如果兩類錯誤的代價都相同的話，則學習的目標就相當於最大化accuracy，而如果我們增大將小類別識別為大類別類的代價的話，就相當於考慮了模型召回率或precision。
這樣就會使得模型更注意小類別的準確性。
例如在svm中每次選擇距離分離超平面最近的樣本點，這樣最後選擇的樣本點比例不會出現太多的差別，
如何處理標籤不平衡問題
訓練集標籤類別不平衡是機器學習模型訓練非常常見的乙個問題。它是指訓練集中標籤a和標籤b樣本數比例差別很大，當要 小類標籤，即使模型的效果特別差，模型 的準確率也能達到很高的數值。因此，我們需要處理不平衡的資料集，避免這種情況出現。一般情況下，我們需要處理的是極不平衡的問題 比如類別比例在1 100 ...
不平衡資料處理
在做實驗中遇到了非平衡資料集，導致實驗結果很憂傷，資料類別不均對模型訓練有挺大影響，尤其是在類別極度不均的時候。目前還沒有很好的解決方法，還處於查詢資料，比著葫蘆找葫蘆的過程中，記錄一下，或許能有所啟發。對於不平衡資料，其實類別精度 precise 和召回率 recall 或者是準確率 accura...
深度學習之如何處理樣本不平衡？
在計算機視覺 cv 任務裡常常會碰到類別不平衡的問題，例如 檢測任務 現在的檢測方法如ssd和rcnn系列，都使用anchor機制。訓練時正負anchor的比例很懸殊.再者，除了類不平衡問題，還有easy sample overwhelming的問題。easy sample如果太多，可能會將有效梯度...