用于某些分类需求。我有由4个石碑图像组成的多变量时间序列数据,格式为(145521像素,4个日期,2个波段)我用tempCNN进行了分类,将数据分为5类。然而,具有500个样本的1、2类和具有1452485个样本的4、5类之间存在很大差距。
我想知道是否有一种方法可以帮助我监督前两个类,使我的数据集更适合分类。
实际上python中有一个lib;不平衡学习;(尽管你可以手动完成)。
你可以查看文档使用非常容易
用于某些分类需求。我有由4个石碑图像组成的多变量时间序列数据,格式为(145521像素,4个日期,2个波段)我用tempCNN进行了分类,将数据分为5类。然而,具有500个样本的1、2类和具有1452485个样本的4、5类之间存在很大差距。
我想知道是否有一种方法可以帮助我监督前两个类,使我的数据集更适合分类。
实际上python中有一个lib;不平衡学习;(尽管你可以手动完成)。
你可以查看文档使用非常容易
javascript python java c# php android html jquery c++ css ios sql mysql arrays asp.net json python-3.x ruby-on-rails .net sql-server django objective-c excel regex ruby linux ajax iphone xml vba spring asp.net-mvc database wordpress string postgresql wpf windows xcode bash git oracle list vb.net multithreading eclipse algorithm macos powershell visual-studio image forms numpy scala function api selenium