首页
首页
沸点
课程
直播
活动
竞赛
商城
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
会员
登录
注册
欧阳胖胖
掘友等级
NLLD
|
Tiger
我的代码也曾价值上亿
关注
私信
获得徽章 0
动态
文章
专栏
沸点
收藏集
1
关注
赞
1.2K
文章 681
沸点 538
资讯 0
赞
1.2K
关注
返回
|
搜索文章
文章
热门
最新
欧阳胖胖
26天前
人工智能
机器学习
Python
机器学习基础-监督学习-标签平衡处理之 SMOTE(Synthetic Minority Over-sampling Technique)
SMOTE(Synthetic Minority Over-sampling Technique)是一种基于 K 近邻的过采样方法,它可以根据少数类样本之间的距离,
329
点赞
评论
欧阳胖胖
28天前
人工智能
机器学习
Python
机器学习基础-监督学习-标签平衡处理之随机过采样(Random Over Sampling)
随机过采样(Random Over Sampling)是最简单的过采样方法之一,它从少数类样本中随机选择样本进行复制,以增加数据集中少数类样本的数量。
137
1
评论
欧阳胖胖
28天前
人工智能
机器学习
Python
机器学习基础-监督学习-标签平衡处理之 Edited Nearest Neighbors (ENN) 欠采样
Edited Nearest Neighbors (ENN) 是一种基于 KNN 的欠采样方法,它通过移除多数类样本中与少数类样本相似度较低的样本,来实现数据平衡。
126
1
评论
欧阳胖胖
28天前
人工智能
机器学习
Python
机器学习基础-监督学习-标签平衡处理之 Neighborhood Cleaning Rule(NCR)欠采样
Neighborhood Cleaning Rule(NCR)欠采样是一种基于近邻的欠采样方法,它通过找到离少数类样本最近的多数类样本,并根据它们之间的距离来删除部分多数类样本,以达到类别平衡的目的。
123
1
评论
欧阳胖胖
28天前
人工智能
机器学习
Python
机器学习基础-监督学习-标签平衡处理之 One-Sided Selection(一侧选择)
One-Sided Selection(一侧选择)是一种欠采样方法,它是结合了 Tomek links 欠采样和 KNN 欠采样的思想。
120
1
评论
欧阳胖胖
29天前
人工智能
机器学习
Python
机器学习基础-监督学习-标签平衡处理之重心欠采样(Centroid Under-Sampling)
重心欠采样(Centroid Under-Sampling)是一种基于聚类的欠采样方法。该方法通过找到多数类样本的聚类中心,然后删除距离聚类中心最近的一些多数类样本,以达到平衡数据集的目的。
103
1
评论
欧阳胖胖
29天前
人工智能
机器学习
Python
机器学习基础-监督学习-标签平衡处理之Tomek-links欠采样
Tomek links 欠采样是一种欠采样方法,其思想是删除在 Tomek links 中较多的多数类样本,以使得多数类样本数量与少数类样本数量相近。
100
2
评论
欧阳胖胖
29天前
人工智能
机器学习
Python
机器学习基础-监督学习-标签平衡处理之随机欠采样(Random Under-Sampling)
随机欠采样(Random Under-Sampling)是最简单的欠采样方法之一,其思想是从多数类样本中随机删除一些样本,使得多数类样本数量与少数类样本数量相近。
92
1
评论
欧阳胖胖
29天前
人工智能
机器学习
Python
机器学习基础-监督学习-有监督标签之标签平衡处理
标签平衡处理是针对不平衡的数据集,通过对标签进行处理来平衡不同类别样本的数量。常见的标签平衡处理方法包括欠采样和过采样两种。
88
1
评论
欧阳胖胖
29天前
人工智能
机器学习
Python
机器学习基础-监督学习-有监督标签
有监督标签是指在监督学习中使用的标签,它与训练数据的特征一起被用来训练模型。在有监督学习中,我们通常会提前知道样本的标签,然后使用这些标签来训练模型。
97
1
评论
下一页
个人成就
文章被点赞
67
文章被阅读
8,166
掘力值
3,157
关注了
6
关注者
130
收藏集
1
关注标签
1
加入于
2016-06-07