支持不平衡數據的 SVM

我想嘗試在我的數據集上使用支持向量機 (SVM)。不過，在我嘗試解決這個問題之前，有人警告我 SVM 在極其不平衡的數據上表現不佳。就我而言，我可以有多達 95-98% 的 0 和 2-5% 的 1。

我試圖找到有關在稀疏/不平衡數據上使用 SVM 的資源，但我能找到的只是“sparseSVM”（使用少量支持向量）。

我希望有人能簡要解釋一下：

1. 預計 SVM 對此類數據集的處理效果如何
2. 必須對 SVM 算法進行哪些修改（如果有）
3. 什麼資源/論文討論了這個

許多 SVM 實現通過為正面和負面實例分配不同的權重來解決這個問題。本質上，您對樣本進行稱重，以便正面的權重之和等於負面的權重之和。當然，在評估 SVM 時，您必須記住，如果 95% 的數據是負數，那麼通過始終預測負數來獲得 95% 的準確率是微不足道的。所以你必須確保你的評估指標也被加權，以使它們保持平衡。

特別是在libsvm您作為標籤添加的 中，有一個標誌允許您設置類權重（-w我相信，但請查看文檔）。

最後，根據個人經驗，我可以告訴你，我經常發現 SVM 在有或沒有權重校正的情況下都會產生非常相似的結果。

引用自：https://stats.stackexchange.com/questions/94295