1）扩大数据集。增加包含小类样本数据的数据，更多的数据能得到更多的分布信息。
2）对大类数据欠采样。减少大类数据样本个数，使与小样本个数接近。
3）使用新评价指标。如果当前评价指标不适用，则应寻找其他具有说服力的评价指标。
4）选择新算法。不同的算法适用于不同的任务与数据，应该使用不同的算法进行比较。
5）数据代价加权。例如当分类任务是识别小类，那么可以对分类器的小类样本数据增加权值，降低大类样本的权值，从而使得分类器将重点集中在小类样本身上。
发布者：admin，如若转载，请注明出处：https://ai1024.vip/41270.html
admin 
