我对神经网络非常新手。我有一个包含1600万条记录的数据集，其中只有7万条被标记为1，其余的都是0（即使设定了某些特殊限制，总记录数也不会少于250万，其中5.8万条被标记为1，而且这些限制也不完全合理）。处理这种数据有什么特别的做法吗？

现在，如果我写一个总是返回0的函数，准确率将达到99.56%！神经网络是否是一个合适的选择？如果不是，我的替代方案是什么？如果是，我应该如何处理这种情况？

谢谢

回答：

你可以尝试给标记为1的样本赋予更高的权重，或者分别从两个类别中抽样小批量数据，使得网络看到来自两个类别的相同数量的示例。

对于第一种方法，像Keras这样的框架提供了为每个类别包含一个权重因子的选项：

class_weights = {    0: 1.0,    1: 43.0,}model.fit(X, y, ..., class_weight=class_weights)

scikit-learn有一个自动计算类别权重的方法，如Kaggle上的这个评论所示

在这种情况下，准确率并不是衡量网络性能的好方法。对于类别1的精确度、召回率或类似的衡量指标可能更能更好地理解模型的性能。