迁移学习是否解决了数据集不平衡的问题

Question

我读过不平衡的数据集如何主要影响分类结果，但使用迁移学习方法(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好的结果？

Answer 1

简短的回答：不。但事实上，也许。

这些都是不相关的想法。迁移学习的目标是在你没有训练数据或你没有/不能从头开始学习时提供帮助。

因此，真正的答案取决于很多事情：你的数据集有多不平衡(一点还是很多？)，你使用的算法是什么样的(像贝叶斯一样的生成算法或像SVM一样的判别算法？)，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，你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。。。你不可能对这个问题有一个笼统的答案。