计算损失函数的权重以获得高精度

Question

我有一个不平衡的数据集，其中2个类具有较低的示例，3个具有大量示例。是否有一种计算损失函数权重的标准方法，以便创建一个具有高精度的系统？

Answer 1

退一步，让我指出两个可能的方向：

1. 欠采样和过采样：此过程在数据集级别进行。目标是从代表性不足的类中生成新样本（过采样）。或者减少来自过度表达类的样本数量（欠采样）。请参阅以下链接+包：imbalanced-learn。

2. 调整损失函数：此技术应用于分类器的损失函数，保证来自代表性不足的类的样本对整体损失贡献更多（相对而言）。请参阅此讨论How does the class_weight parameter in scikit-learn work?

此外，本文概述了 8 Tactics to Combat Imbalanced Classes in Your Machine Learning Dataset。