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
点赞 评论 收藏
分享
12-10 19:11
重庆大学 Java 
香梨想要offer：一样啊朋友，我也是被驳回了，真的挺让人无语的
，为什么不一开始就挂了算了，内耗我这么多天。如果华为给每个人造成的内耗能汇聚起来，该是多大一股能量 点赞 评论 收藏
分享
12-17 13:03
门头沟学院 C++ 
点赞 评论 收藏
分享