關于不均衡數據的處理方法，主要有以下幾個方面：

1. 采樣的方法

? ?1.1 過采樣，采集類標少的樣本，達到平衡樣本的目的。

? ? ? ? ?方法一，簡單的復制類標少的樣本

? ? ? ? 方法二，生成人工樣本（SMOTE方法），MATLAB代碼?SMOTE (Synthetic Minority Over-Sampling Technique) - File Exchange - MATLAB Central

? ?1.2 下采樣，將大樣本隨機分成N類，結合類標少的樣本進行訓練N個模型，最后結果是N個模型的加權平均來刻畫。

2. 基于名義變量的方法，也就是代價敏感函數方法。

? ? ? cost-sensitive learning， penalized-SVM

3.?RUSBoostcan be implemented in Matlab using the 'fitensemble' technique.?

? ??Using classifiers which can handle the imbalance problem such as the RUSBoost technique

Matlab代碼可見?

RUSBoost

以上方法的所有細節可參看下面的博文

（1）Class Imbalance Problem

（2）不平衡數據下的機器學習方法簡介

（3）8大策略讓你對抗機器學習數據集里的不均衡數據

（4）Quora上面的解答：https://www.quora.com/In-classification-how-do-you-handle-an-unbalanced-training-set

翻譯見：http://blog.csdn.net/heyongluoyao8/article/details/49408131

（5）在分類中如何處理訓練集中不平衡問題

?

?（6）知乎上的討論?https://www.zhihu.com/question/36514847

? ? ? ? ? ? ? ? ? ? ?https://www.zhihu.com/question/30492527

總結

以上是生活随笔為你收集整理的不均衡数据的处理方法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。