代码之家 › 专栏 › 技术社区 › Mukul Khanna

迁移学习解决了数据集不平衡的问题吗?

solid-state-drive object-detection machine-learning

-1

Mukul Khanna · 技术社区 · 7 年前

我已经读过不平衡数据集是如何主要影响分类结果的,但使用转移学习方法(如SSD)进行对象检测是否可以确保我们不需要平衡数据集来获得良好的结果?

1 回复 | 直到 5 年前

jmarcio 7 年前

简短的回答:没有。但是,事实上,也许。

因此,真正的答案取决于很多因素:你的数据集有多不平衡(一点还是很多?),你使用的是哪种算法(像支持向量机一样的贝叶斯ou判别式生成算法?),这些类有多“可分离”?也许还有更多其他的事情。

使用贝叶斯分类器,您通常可以利用类的先验概率。。。

所以答案肯定会针对你正在处理的问题。。。你不能对这个问题有一个笼统的答案。

推荐文章

bz_jf · CNN训练损失太不稳定了

2 年前

ReactJs newbie · yolov4自定义培训,检测结果不正确

2 年前

Tushar Nautiyal · 我们需要在Flask应用程序中进行功能缩放吗

2 年前

Mahin Rahman · 我的培训和测试图表保持不变,有人能帮我解释一下,或者解释一下我哪里出错了?

2 年前

Mucida · BERT2:如何使用GPT2LMHeadModel开始一个句子,而不是完成它

2 年前

Bad Coder · 如何在Pyte中使用SMOTE?

2 年前

Sherwin R · 随机森林预测错误的输出形状

2 年前

Joseph · 重塑BatchDataset训练模型的输入-Tensorflow

2 年前

curiousninja · 如何从pandas中的特定列中删除非数值?

2 年前

Palkin Jangra · 如何迭代一列以获得每行的平均值?

2 年前