2023-10-10 12:01 浙江大学 算法工程师
关注
训练数据分布 vs 真实数据分布
真实场景中，label为a和b的样本分别占到了90%、10%。试问：在构造训练集（**小数据量**）的时候应该如何处理a,b的占比？（下面两种方案好像都有道理，但是好像又都不太理想。）
方案1.按照真实场景中的比例（i.e. a:b = 9:1）构造训练集。这样符合一个基本常识“训练集的分布应该尽可能和真实分布相近”，但是会造成模型对a的偏好。
方案2.按照a:b = 1:1构造训练集。这样的话模型学的更均衡，但是不符合“训练集的分布应该尽可能和真实分布相近”。
#阿里# #腾讯# #字节# #拼多多# #百度# #算法# #机器学习#
方案1.按照真实场景中的比例（i.e. a:b = 9:1）构造训练集。这样符合一个基本常识“训练集的分布应该尽可能和真实分布相近”，但是会造成模型对a的偏好。
方案2.按照a:b = 1:1构造训练集。这样的话模型学的更均衡，但是不符合“训练集的分布应该尽可能和真实分布相近”。
#阿里# #腾讯# #字节# #拼多多# #百度# #算法# #机器学习#
全部评论
nacaer
门头沟学院 数据分析师
蹲一个答案。感觉是看场景 一般就训练模型而言应该都是希望样本平衡吧。如果希望抓到小比例的那部分的话方案2更好？如果两类都一样重要感觉方案1也行 就是会变成极度偏态的样子（全预测成a）
相关推荐
11-17 18:24
哈尔滨工业大学 数据分析师 程序员花海：实习和校招简历正确格式应该是教育背景+实习+项目经历+个人评价 其中项目经历注意要体现业务 实习经历里面的业务更是要自圆其说 简历模板尽可能保持干净整洁 不要太花哨的
点赞 评论 收藏
分享
11-02 23:41
内蒙古工业大学 Java 
点赞 评论 收藏
分享