處理不均勻數據 (Imbalanced Data)

什麼是不均勻數據，比如說，有一個數據集將資料分為 A 和 B 兩類，
A 資料佔數據集中的 90%，B 資料佔數據集中的 10%，
A 資料佔大多數，此種數據集稱之為不均勻的數據。

在神經網路中，不均勻的數據會造成最後預測的結果都傾向於多數方，
以上述的數據集為例，當訓練完畢後，不管你放入什麼新的數據到模型中，
預測結果一定為 A。

解決不均勻數據的方法

更換評估模型的方式

Accuracy 和 Cost 在不均勻的數據模型中就不那麼重要，
可以通過 Confusion Matrix 來計算 Precision & Recall，
再計算 F1 Score，此種方式能成功的區分不均勻數據。

重組數據

複製少數樣本或刪除多數樣本，使得各類別資料總數差不多。

使用其他機械學習演算法

神經網路通常對於不均勻的數據束手無策，可改用不受數據影響的機械學習演算法。

修改激活函數的門檻值

修改激活函數的門檻值，比如說，當你使用 softmax 當作最後分類的依據，
當 y > 0.5 為 A 類，y < 0.5 為 B 類，
以上述提到的不均勻數據為例，
A 資料佔數據集中的 90%，B 資料佔數據集中的 10%，
門檻值能提升到 0.9，當 y > 0.9 才為 A 類，y < 0.9 為 B 類。