在机器学习的实践中，我们通常会遇到实际数据中正负样本比例不平衡的情况，也叫数据倾斜。对于数据倾斜的情况，如果选取的算法不合适，或者评价指标不合适，那么对于实际应用线上时效果往往会不尽人意，所以如何解决数据不平衡问题是实际生产中非常常见且重要的问题。 什么是类别不平衡问题 我们拿到一份数据时，如果是二 ...
分类：
其他好文 时间：
2019-08-27 12:27:14
阅读次数：
113
引言 这篇论文深刻分析了one-stage的模型精度比two-stage更差的原因，并提出Focal Loss提高精度。 思路 在论文中，作者指出，造成one-stage模型精度差的原因主要是：正负样本极不平衡。一张图片只有那么几个目标，但是用来分类的Anchor Box却能达到几千个，大量的样本都 ...
分类：
Web程序 时间：
2019-08-22 19:12:06
阅读次数：
134
1、R-FCN结构 适应全卷积化CNN结构，提出全卷积化设计 共享ResNet的所有卷积层 引入变换敏感性（Translation variance） 1、位置敏感分值图（Position-sensitive score maps） 特殊设计的卷积层 Grid位置信息+类别分值 2、位置敏感池化（P ...
分类：
其他好文 时间：
2019-03-07 10:24:39
阅读次数：
251
Two Stage 的精度优势 二阶段的分类：二步法的第一步在分类时，正负样本是极不平衡的，导致分类器训练比较困难，这也是一步法效果不如二步法的原因之一，也是focal loss的motivation。而第二步在分类时，由于第一步滤掉了绝大部分的负样本，送给第二步分类的proposal中，正负样本比 ...
分类：
其他好文 时间：
2019-02-09 12:09:21
阅读次数：
459
样本不平衡问题 样本不平衡问题 样本不平衡问题 样本不平衡问题 如在二分类中正负样本比例存在较大差距，导致模型的预测偏向某一类别。如果正样本占据1%，而负样本占据99%，那么模型只需要对所有样本输出预测为负样本，那么模型轻松可以达到99%的正确率。一般此时需使用其他度量标准来判断模型性能。比如召回率 ...
分类：
其他好文 时间：
2019-01-16 16:36:37
阅读次数：
1975
https://github.com/dmlc/gluon-cv/blob/master/gluoncv/model_zoo/rpn/rpn_target.py ...
分类：
其他好文 时间：
2018-12-28 19:52:17
阅读次数：
225
(1) 无监督和有监督算法的区别？ 有监督学习： 对具有概念标记（分类）的训练样本进行学习，以尽可能对训练样本集外的数据进行标记（分类）预测。这里，所有的标记（分类）是已知的。因此，训练样本的岐义性低。 无监督学习： 对没有概念标记（分类）的训练样本进行学习，以发现训练样本集中的结构性知识。这里，所 ...
分类：
其他好文 时间：
2018-11-09 12:12:22
阅读次数：
220
这里主要讲的是对分类模型的评估。 1、准确率（Accuracy) 准确率的定义是：【分类正确的样本】 / 【总样本个数】，其中分类正确的样本是不分正负样本的 优点：简单粗暴 缺点：当正负样本分布不均衡的情况（假设一种极端情况，正样本1个，负样本99个），此时即使一个比较差的模型（只会将所用的样本预测 ...
分类：
其他好文 时间：
2018-10-19 23:42:08
阅读次数：
209
SVM支持向量机的核：线性核。进行预测的时候我们需要把正负样本的数据装载在一起，同时我们label标签也要把正负样本的数据全部打上一个label。 第四步，开始训练和预测。ml(machine learning(机器学习模块)). ...
分类：
其他好文 时间：
2018-10-14 11:30:16
阅读次数：
96
为什么如来佛祖能够成佛其他的和尚却没有成佛的因为如来佛祖是王子出家已经体会过人世间的苦乐积累了足够的和较为较为均衡的正负样本从中悟出人生真谛很多人都是迫于生计或者逃避人生苦难遁入空门做不到放下一切所以难以成佛另外一个是心理阈值的问题如来佛祖的心理阈值是非常高的释迦牟尼是迦毗罗卫国的王子，他生活非常富足，父亲曾经修筑了春、夏、冬三个宫殿，从小锦衣玉食，可谓要风得风要雨得雨。对比很多出家人并没有完整享
分类：
其他好文 时间：
2018-10-12 17:46:10
阅读次数：
142
