类不平衡问题,能否通过调整最后预测正负样本的阈值来一定程度上解决

可以的,但不推荐,因为不好控制阈值的大小。一般用正负样本重采样的方式。

■网友
可以,但你就要在验证集上调整阈值。
■网友
可以用对多的样本做随机下采样,或者对少的样本做上采样。
■网友
分类器好不好首先得有评价指标,比如precision和recall。而阈值会同时影响到precision和recall。precision高了recall往往会降,反之亦然。实际应用的时候应该考虑应用场景来选取,有的应用场景需要高precision,像找窃电用户,胡乱怀疑别人就不好,而有的则需要高recall,像癌症判别这种生死攸关的事情recall就得高点。如果是做学术的话,一般评价分类器的性能都是画PR曲线和ROC曲线,以PR曲线为例,其实就是改变阈值,得到多组Precision和Recall值,画出曲线,然后用曲线的AUC来比较性能。
■网友
【类不平衡问题,能否通过调整最后预测正负样本的阈值来一定程度上解决】 周志华教授的西瓜书上面有写阈值的选取和真实样本总体比例有关 不过在他的论文里也看到好像阈值选取也不一定是要和样本集里的正反例比例一致。 话说选取一个最好的阈值就已经是和代价敏感学习很相似了吧


    推荐阅读