Vantagens e desvantagens excessivas

1. Qual é o problema com a superamostragem?
2. Por que devemos usar o excesso de amostras?
3. É uma boa ideia amossar?
4. Está super -amostrando bem em aprendizado de máquina?

Qual é o problema com a superamostragem?

A superamostragem aleatória pode aumentar a probabilidade de ocorrer excessos, pois faz cópias exatas dos exemplos de classe minoritária. Dessa forma, um classificador simbólico, por exemplo, pode construir regras que são aparentemente precisas, mas na verdade cobrem um exemplo replicado.

Por que devemos usar o excesso de amostras?

O excesso de amostras é a prática de selecionar os entrevistados para que alguns grupos compensem uma parcela maior da amostra da pesquisa do que na população. Os pequenos grupos demais podem ser difíceis e caros, mas permite que pesquisas esclareçam grupos que, de outra forma, seriam muito pequenos para relatar.

É uma boa ideia amossar?

A superamostragem é uma maneira bem conhecida de melhorar os modelos treinados em dados desequilibrados. Mas é importante lembrar que a superamostragem incorretamente pode levar a pensar que um modelo generalizará melhor do que realmente.

Está super -amostrando bem em aprendizado de máquina?

Superamostragem aleatória

Para algoritmos de aprendizado de máquina afetados pela distribuição distorcida, como redes neurais artificiais e SVMs, essa é uma técnica altamente eficaz.