上采样下采样过采样欠采样

一、上采样和下采样的对比

• 上采样&＃xff1a;放大图片
• 下采样&＃xff1a;缩小图片

二、过采样和欠采样的对比

针对于正负样本不均衡&＃xff0c;例如当正负样本比例达到1&＃xff1a;99&＃xff0c;分类器将所有的样本都判为负样本能达到99%的正确率&＃xff0c;显然结果不是我们想要的。又例如&＃xff0c;有一组数据&＃xff0c;其中标签为1的样本数有2000&＃xff0c;标签为0的数为400。

• 过采样&＃xff1a;从少数类样本中&＃xff08;这里标签为0的样本就是少数样本&＃xff09;重复抽取样本&＃xff0c;对少数类样本进行多次复制&＃xff0c;扩大数据规模
• 欠采样&＃xff1a;从多数类样本中&＃xff08;这里标签为1的样本就是多数样本&＃xff09;丢弃部分样本&＃xff0c;可能会损失部分有用的东西&＃xff0c;造成模型只学到整体的一部分。