如何应对机器学习数据集中的不平衡类

Question

我想用深度学习算法对5个不同的对象进行分类。我打算使用转学。 对于2个类，我有2000多个数据集，并且有可能收集更多数据集。但是，对于另外3个班级，我每个班级总共只有300个。

例如，假设我们有一个“ Not-Fraud”和“ Fraud”类的二进制类。绝大多数交易属于“非欺诈”类别，很少一部分交易属于“欺诈”类别。

PS。如果我可以将其中一个大型数据集用作一个类，将其余数据集用作另一个类，则该问题可以转化为二进制分类问题。 我想知道您能否告诉我如何管理这种不平衡的训练数据？

先谢谢您。

Answer 1

您可以尝试使用SMOTE（综合少数族裔过采样技术）对少数族裔实例进行过采样。

link here for SMOTE

Answer 2

仅在少数类上执行一些图像数据扩充。