合理增加学习数据

当机器学习训练数据量不足时，如何尽可能合理地增加数据是一个常见的难题。

一种方法是重采样，即直接复制现有数据。此外，过采样可以创建新数据，如 SMOTE 算法和数据增强技术。

然而，需要注意的是，并不是所有数据删除操作都是有益的。例如，将 NUM1 中的一个 A 删除可能不会显着改善数据集，因为重采样也会生成相同的数据。

一个更有效的方法是创建真正的新数据，但要注意以下几点：

• 不要对测试数据造数据。 测试集应使用真实数据。
• 确保造出的数据符合原始数据集的分布。

欲了解更多信息，请参阅有关处理不平衡数据集的博客：https://www.cnblogs.com/wuliytTaotao/p/9308944.html。