热门
最新
红包
立Flag
投票
同城
我的
发布
《《机器学习》 逻辑回归 大批量数据的下采样 ＜8＞》
下采样是通过减少多数类样本的数量来达到数据平衡的目的。首先，确定数据集中的多数类样本，即数量较多的类别。然后，从多数类样本中随机选择一部分样本，使其数量与少数类样本相当。最后，将选取得到的样本与少数类样本一起构成新的平衡数据集。下采样的优点是简单快速，减少了计算资源的需求。但缺点是可能丢失一些多数类样本的重要信息，从而导致模型性能下降。
——来自博客 https://blog.csdn.net/qq_64603703/article/details/141397366
你学会了吗？(单选)
0 人已经参与 已结束
YES
0人
NO
0人
CSDN App 扫码分享
评论
点赞
- 复制链接
- 举报
