オーバーサンプリングオーバーサンプリング
オーバーサンプリングこれは、カテゴリの不均衡を減らすために、トレーニング セット内の特定の種類のサンプルのサンプル数を増やすことを指します。
同様に、アンダーサンプリングとは、トレーニング セット内の特定の種類のサンプルのサンプル数を減らすことを指します。
オーバーサンプリングとアンダーサンプリングの比較
オーバーサンプリングは、少数のサンプルをランダムにコピーしてサイズを増やします。アンダーサンプリングでは、メイン クラスがランダムにアンダーサンプリングされます。
オーバーサンプリングの利点は、誤差の量も再現できることです。逆に、アンダーサンプリングすると、独立変数の分散が実際よりも高く見えるようになります。
オーバーサンプリングとクラスの不均衡
クラスの不均衡とは、分類器のトレーニングに使用されるトレーニング セット内のクラスの不均一な分布を指します。たとえば、トレーニング サンプルが 1,000 個ある 2 クラスの分類問題の場合、正のサンプルと負のサンプルの数がほぼ同じであることが理想的な状況であり、正のサンプルが 995 個あり、負のサンプルが 5 個しかない場合は、カテゴリの不均衡です。
カテゴリの不均衡により、モデルは少数のカテゴリを区別する方法を学習できなくなり、判断に偏りが生じます。
クラスの不均衡は、オーバーサンプリング、アンダーサンプリング、および θ 値の調整によって解決できます。このうち、オーバーサンプリングとアンダーサンプリングは、トレーニング セット内のサンプル数に基づいて、それに応じて適切なサンプリング方法を作成し、最終的にカテゴリの不均衡を緩和します。