1樓：僻露泠泠
這是類不平衡問題。用來評價機器學習模型的指標有很多種，準確率並不是唯一的選擇。類不平衡時準確率不是最佳選擇，需要結合實際問題決定哪種最合適
2樓：VVValar
你這裡的概率指的是估計的概率，在實際中用它來近似真正的概率。首先要認清楚這一點。其次樣本1比1時，概率大於0.
5就是1—這句話蘊含著乙個基本假設，即取樣是均勻的，樣本能無偏地表達總體—但是實際中是否符合要具體分析。
說回問題，無論樣本比是多少，概率及估計值的含義並不會改變。但是作出決策的前提的變了。之前假設的是總體正負比相同，所以對於某資料點估計值大於0.
5就分為正。但是如果總體正負比差距很大，你估計某資料點在正的概率為0.51，這反而代表它很可能不是正的。
這時候需要進一步完善方法，包括對資料的處理，如重抽樣，和對方法的改進，如加權重換損失函式等。具體的方法很多教科書都有寫。
3樓：GeorgeLee
個人認為，無論樣本比例是多少，輸出概率向量的含義都不變，$i.e.$
classifier認為是兩種類別的概率均相同
無非區別在於你此時訓練的classifier是否可能過擬合某一類別而已。
假設原始資料正負樣本1000 1。是直接訓練還是先做不平衡處理（比如取樣）？
Qeexo 不平衡資料集是機器學習中需要解決的常見問題之一。常見的機器學習模型，在處理不平衡資料集時，如果單純使用精確度來評估模型，往往會對最終結果產生誤導。因而，在訓練集極度不平衡的情況下，比如原始樣本正負樣本數量比為10000 1，我們往往可以採用如下幾種方法來處理 1.盡量使用多個指標評估模型...
當自己努力了幾年的事，最後卻發現自己根本不適合做這件事怎麼辦？
tomorro 自認為自己是適合做設計的。專業 策劃 因此，我找設計的工作。在此之前，我自學3年設計。在自學中，我有那麼一點點意識到自己顏色搭配這方面不是很有天分，但是自己的下意識不承認，因為從小很有idea 實習的時候，我去找設計的工作。目前找乙份實習工作，設計學徒，上班兩天。去了那裡好多東西我都...
當漸漸發現一直深愛的人，根本不在乎自己的時候，該怎麼辦？
三焚 當你喜歡貓，是因為它很可愛，你於是花了大代價買了乙個，可買過來之後完全和你想的不一樣，一而再再而三的不和你互動甚至會抓傷你，你會開始失去興趣，扔掉它，是你對它最後的溫柔。 西瓜苗上的火烈鳥 放棄吧。乙個不屬於你的東西，何必攥在手裡？滾蛋吧，什麼gp暗戀，該刪刪，該拉黑拉黑。在沒遇到你在前，自己...