如何在特定类别样本为0的情况下对不平衡数据集进行分类?

基本上,我有一个给定的训练集和测试集,我将在训练集上测试各种模型和特征选择,我知道训练集的输出标签属于10个不同的类别,但据告知其中一个特定类别在训练集中没有给出任何样本/出现。

我该如何处理这种情况?

我知道可以对不平衡数据集使用过采样/欠采样方法,但如果其中一个类别没有出现,这种方法会有帮助吗?


回答:

你的用例属于零样本学习领域,最初被称为零数据学习。它依赖于构建可在给定样本之外进行泛化的底层类别的可分离表示。这不是一个容易解决的问题,但根据你的数据和问题空间,可能是可行的。以下是一些入门资源:

  1. 零数据学习
  2. 深度学习书籍:表示学习

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注