你如何处理SVM中的数据不平衡？

Question

如果我在lrge训练集上训练SVM，并且如果类变量为True或False，那么与训练集中的False值相比，True值会非常少，会影响训练模型/结果吗？他们应该平等吗？如果我的训练集没有相同的真假分布，我该如何处理这个问题，以便尽可能有效地完成我的训练？

Answer 1

拥有不平衡数据是可以的，因为SVM应该能够为与不太可能的实例相关的错误分类错误（例如在您的情况下为“True”）分配更大的惩罚，而不是分配相等的错误权重，这导致不受欢迎的分类器，将所有内容分配给大多数人。但是，您可能使用平衡数据获得更好的结果。这完全取决于您的数据。

您可以人为地扭曲数据以获得更平衡的数据。你为什么不查看这篇论文：http://pages.stern.nyu.edu/~fprovost/Papers/skew.PDF。

Answer 2

我的经验是，标准的SVM分类器在非平衡数据上并不能很好地工作。我在C-SVM中遇到过这种情况，对于nu-SVM来说情况更糟。也许你想看看P-SVM，它提供了一种特别适用于不平衡数据的模式。