我有一个非常不平衡的数据集，由 6 个维度的 186219 行数据组成，包括 132 个真阳性和186087误报，您建议尝试哪种类型的神经网络？我的谷歌云端硬盘IPDC_algorithm_training_dataset中的这个电子表格包含我的训练数据集。如果输出选项卡中的值为 100，则该要素为真阳性，如果要素的值为 0，则表示该要素为误报。
我现在与 MATLAB 捆绑在一起，所以如果我使用 MATLAB 来解决这个问题对我来说会更方便。
对于不平衡的数据集，您的选择有限。 如果你在整个数据集上训练一个神经网络，只要始终预测误报，它就能达到 99.9% 的准确率。 您需要以某种方式处理这种不平衡，例如丢弃(大量(误报样本或加权损失函数以解释不平衡。 由于不平衡如此极端，您可能需要同时应用两者(以及正则化以防止过度拟合剩余数据(。
就使用哪种网络类型而言，您可以尝试使用基本的MLP(多层感知器(，至少作为基线 - 构建复杂的架构是没有意义的，需要训练更多参数，数据集非常有限。
实际上，您可能最好使用浅层学习算法，例如提升树或朴素贝叶斯，或者获取更多数据以支持使用神经网络。 如果新数据可能保持不平衡，则需要大量额外数据。