我有样本训练数据集，我想知道天气不同课程的日期数。我应该在课堂之间平衡数据集。
答案 0 :(得分：1)
训练数据中类表示的不对称性通常称为Skewness [https://en.wikipedia.org/wiki/Skewness]，并为您的模型带来了一些问题，因此一般情况下您希望避免这种情况
那就是说，这只是一个经验法则，你可以有一个幸福的情况，其中数据点较少的类实际上是正确表示的，而其他的是冗余的，在这种情况下，数据点数量的差异对于每个班级可能并不重要。
主要问题是，如果数据在表示方面是平衡的，那么很难说先验，因此最好的方法是尝试保持数据点的平衡。此外，一些算法对非对称数据敏感，因此即使数据确实恰当地表示了空间，不平衡也可能会给模型带来偏差。
以下是一些可能有用的链接：
http://people.stern.nyu.edu/fprovost/Papers/skew.PDF
http://etabeta.univ.trieste.it/dspace/bitstream/10077/4002/1/Menardi%20Torelli%20DEAMS%20WPS2.pdf
http://florianhartl.com/thoughts-on-machine-learning-dealing-with-skewed-classes.html