如何在机器学习数据集中打击不平衡的类

Question

我想用深度学习算法对5个不同的对象进行分类。我计划使用迁移学习。对于两个类，我有超过2000个数据集，并且可以收集更多。然而，对于另外3个班级，我每个班级总共只有300个。

例如，假设我们有一个二进制类“非欺诈”和“欺诈”类。绝大多数交易将属于“非欺诈”类别，极少数交易将属于“欺诈”类别。

PS。如果我可以使用其中一个大小的数据集作为一个类，而其余的作为另一个类，那么这个问题就可以变成一个二进制分类问题。我想知道你是否能告诉我如何管理这种不平衡的训练数据？

提前谢谢你。

Answer 1

您可以尝试使用SMOTE (合成少数过采样技术)对少数类实例进行过采样。

link here for SMOTE

Answer 2

仅在少数类上执行一些图像数据增强。