相关阅读
相关 样本不平衡【①、利用SMOTE算法合成新的少数类样本】
SMOTE算法（Synthetic Minority Oversampling Technique） ：[Python库：imbalanced-learn 0.9.0][Pyt
清疚相关 人脸识别-Loss-2010：Softmax Loss（Softmax激活函数 + “交叉熵损失函数”）【样本3真实标签为c_5，则样本3的损失：loss_3=-log(\hat{y}_5^3)】
一般一个CNN网络主要包含卷积层，池化层（pooling），全连接层，损失层等。 ![在这里插入图片描述][72c3d3164e5f438eaf5bc5b9a44132e9.
太过爱你忘了你带给我的痛相关 Focal loss：处理样本类别不均衡的损失函数【给容易区分（置信度高）的样本添加较小的权重，给难分辨的样本添加较大的权重】【α变体（+平衡交叉熵）：同时考虑正负样本数量的比例以及分类的难易程度】
![25ecfc000200488fb5e8aa4bd74d141a.png][] ![8ff864d9b74e48c18f7c6aece5d3a8c3.png][] 
╰+哭是因爲堅強的太久メ相关 单样本和两样本的统计推断：置信区间和假设检验
《商务与经济统计学》读书笔记 6 -------------------- 1 相关概念 置信区间（confidence interval）：用一个区间范围来估
亦凉相关 正负样本不均衡的解决办法
机器学习中，最重要的一个过程就是模型训练，但是在做模型训练之前需要对数据进行预处理也就是常见的数据清洗和特征工程。 数据清洗过程中，比较重要的一步就是查看正负样本是否均衡。
相关 通过机器学习得到样本的特征权重
描述： 计算每个特征对样本集进行划分所获得的信息增益，然后做归一化处理可以得到每个特征的权重 目标： 样本降维 一种算法策略：参考决策树的划分选择 首先引
不念不忘少年蓝@相关 样本不平衡 分类 难分样本 hard example OHEM
样本不平衡问题 如在二分类中正负样本比例存在较大差距，导致模型的预测偏向某一类别。如果正样本占据1%，而负样本占据99%，那么模型只需要对所有样本输出预测为负样本，那
还没有评论，来说两句吧...