不平衡样本对SVM的影响

样本失衡会对SVM的影响
假设正类样本远多于负类

1、线性可分的情况

假设真实数据集如下:

由于负类样本量太少,可能会出现下面这种情况

使得分隔超平面偏向负类。严格意义上,这种样本不平衡不是因为样本数量的问题,而是因为边界点发生了变化。(比如,原来负类的支持向量没有了)

2、线性不可分的情况

源数据以及理想的超平面情况如下:

很可能由于负类样本太少出现以下这种情况,超平面偏向负类

解决不平衡的方案:

【SVM对不平衡本身并不十分敏感】

【SVM的超平面只与支持向量有关,因此原离决策超平面的数据的多少并不重要】

1、过抽样(随机过抽样)

2、欠抽样(对多数类边界样本进行采样)(既能代表多数类样本分布特征, 又能对分类界面有一定影响的样本特性欠取样方法)

3、改进算法本身(代价敏感)

参考博客

1)、对正例和负例赋予不同的C值,例如正例远少于负例,则正例的C值取得较大,这种方法的缺点是可能会偏离原始数据的概率分布;

2)、对训练集的数据进行预处理即对数量少的样本以某种策略进行采样,增加其数量或者减少数量多的样本,典型的方法如:随机插入法,缺点是可能出现

overfitting,较好的是:Synthetic Minority Over-sampling TEchnique(SMOTE),其缺点是只能应用在具体的特征空间中,不适合处理那些无法用

特征向量表示的问题,当然增加样本也意味着训练时间可能增加;

3)、基于核函数的不平衡数据处理。

已标记关键词 清除标记
©️2020 CSDN 皮肤主题: 酷酷鲨 设计师:CSDN官方博客 返回首页