PROSAGA码农传奇-测试训练-训练和测试集中的类比不平衡会导致验证准确性差吗？

<div class =“post-text”itemprop =“text”>
  <H2>
    说明：
  </H2>
  <P>
    好的我认为你需要首先对你的数据进行重新采样，因为你的算法得知大部分人都没有在工作中进行过调整，如果我们只看一下你的训练数据的分布（90％不感兴趣，10％感兴趣），那就是这样。您的算法只是假设答案总是“不感兴趣”。这就是为什么你在训练集上达到高精度的原因。
  </p>
  <P>
    在您的测试数据中，分布变为50％：50％。您的算法仍然假设所有人都“不感兴趣”并且无法预测感兴趣的人。 （您的测试设置的准确度降低到大约50％）
  </p>
  <H2>
    如何解决这个问题呢：
  </H2>
  <P>
    重新取样您的训练数据，以匹配训练集中的50％：50％分布。有不同的重采样方法可供选择。一些例子是：
  </p>
  <UL>
    <LI>
      欠采样
    </LI>
    <LI>
      过采样
    </LI>
    <LI>
      合成少数民族过采样技术（SMOTE）
    </LI>
  </UL>
  <P>
    的<strong>
      欠采样：
    </强>
     通过删除项目对大多数类进行下采样。在你的情况下，它将是（10％感兴趣，10％没有交叉）。缺点是你只能学习20％的可用训练数据。
  </p>
  <P>
    的<strong>
      过采样：
    </强>
     通过添加冗余点来对少数类进行上采样。优点：您将使用所有数据。
缺点：可能导致过度拟合。
  </p>
  <P>
    的<strong>
      SMOTE：
    </强>
     更复杂的过采样方法，可以添加合成样本。
  </p>
  <P>
    我会尝试开始使用简单的over-并检查这是否解决了您的问题。
  </p>
  <P>
    对于python，你可以使用所谓的
    <a href="http://contrib.scikit-learn.org/imbalanced-learn/stable/index.html" rel="nofollow noreferrer">
      不平衡学习
    </A>
     包，其中包含所有声明的方法。
  </p>
</DIV>