Équilibrage des cours

1. Qu'est-ce que l'équilibrage des classes?
2. Quel est l'exemple de déséquilibre des classes?
3. Pourquoi utilisons-nous l'équilibrage des cours dans l'apprentissage automatique?
4. Qu'est-ce que le déséquilibre des classes et comment gérez-vous?

Qu'est-ce que l'équilibrage des classes?

Qu'est-ce que l'équilibrage des classes? Dans l'apprentissage automatique, l'équilibrage des cours signifie équilibrer les cours avec des échantillons déséquilibrés.

Quel est l'exemple de déséquilibre des classes?

Le déséquilibre de classe est normal et attendu dans les applications ML typiques. Par exemple: dans la détection de fraude par carte de crédit, la plupart des transactions sont légitimes et seule une petite fraction est frauduleuse. Dans la détection du spam, c'est l'inverse: la plupart des e-mails envoyés dans le monde aujourd'hui sont le spam.

Pourquoi utilisons-nous l'équilibrage des cours dans l'apprentissage automatique?

L'équilibrage d'un ensemble de données facilite la formation un modèle car il aide à empêcher le modèle de se faire biais vers une classe. En d'autres termes, le modèle ne favorisera plus la classe majoritaire simplement parce qu'elle contient plus de données.

Qu'est-ce que le déséquilibre des classes et comment gérez-vous?

L'une des techniques de déséquilibre de classe largement adoptées pour faire face à des ensembles de données très déséquilibrés est appelé rééchantillonnage. Il consiste à éliminer les échantillons de la classe majoritaire (sous-échantillonnage) et / ou à ajouter plus d'exemples de la classe minoritaire (sur-échantillonnage).