我在具有100个属性的数据上训练BinaryClassifier，其中积极情景仅发生在800k项目的3％。在培训期间，我们是否需要包括积极因素和阴性实例？我猜测我们不应该因为结果只是二元，即如果模型是在正面训练，那么弱匹配意味着它是负面的。
如果我确实需要同时包含两者，那么pandas DataFrame的样本方法是否可靠？
谢谢！
答案 0 :(得分：0)
如果您正在询问如何处理不平衡的数据集，那么在该主题上有许多在线博客文章，例如： here。一种可能的方法来使用熊猫＆＃39;样本方法是将weights参数设置为另一个类的频率，即正实例为0.97，负实例为0.03，从而通过过采样来纠正不平衡。
但是如果你说你理论上你可以在正面实例的分布上拟合一个模型，并且在测试过程中，将所有异常值标记为负实例 - 这是可能的，尽管不可取。这种方法肯定比从两个类中学习的方法表现更差。此外，像scikit-learn这样的二进制分类算法总是假设来自两个类的实例。
答案 1 :(得分：-1)
如果您正在训练二元分类器，则需要在训练数据集中有两个输出。
至少如果你想让你的分类器工作。
您拥有的是一个不平衡的数据集，以下是解决此问题的一些方法：