如何合理创建机器学习学习数据？
问题：
数据量不足时，如何尽量合理地增加数据？是否存在删除重复值创建新数据的方法？
回答 1：
对于数据量不足的情况，有以下处理方式：
重采样：直接生成重复数据。过采样：除了重采样之外，还可以生成新数据，例如使用 SMOTE 算法或数据扩充。
回答 2：
问题中提到的 NUM1 和 NUM2 是否指同一数据？如果差异在于特征，需确保标签不变；如果差异在于数据本身，删除重复值并不会产生新数据。
重采样或过采样所得的数据仅适用于训练集，不得用于测试集，因为测试集需要真实数据。
分享：
参考一篇关于处理不平衡数据集的文章：https://www.cnblogs.com/wuliytTaotao/p/9308944.html
以上就是数据量不足如何合理增加？删除重复值能创建新数据吗？的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1351284.html
微信扫一扫 
支付宝扫一扫 
