如果训练集不平衡，则模型可能会出现偏差。但如果测试集中的数据分布与训练集中的分布相同，这种偏差不会影响验证的准确性。但我的问题是，这样做是否正确？不是作弊吗？如果我们想将模型用于我们不知道数据分布如何的商业业务怎么办？在这种情况下，正确的做法是什么？
在不平衡数据的测试集中维护火车分布是否正确？
数据挖掘
机器学习
训练
采样
数据泄露
验证
2022-02-19 05:28:55
1个回答
如果训练集不平衡，则模型可能会出现偏差。
并不真地。取决于您使用的损失函数。另外，请注意，对于不平衡的数据，至少它必须是 1/100 的比例。
剩下的问题：
ML 基于训练和测试看起来相似的假设。过采样方法可以帮助训练时间，仍然在验证和测试中，您不应该使用过采样并使用真实数据进行验证。
在真实测试中使用您的评估指标，测试分布并且不要在那里过度采样。
我们想将模型用于我们不知道数据分布如何的商业业务？
如果你不知道分布将如何，你就有问题了。人们做出的假设是，未来的分布类似于当前的实际分布（上周、上个月、一年前……）
其它你可能感兴趣的问题