手动方法

• 过采样or欠采样：
  • 过采样是指增加样本数据量较少的样本，样本较少时采用
  • 欠采样是指减少样本数据量较多的样本，样本较多时采用
• 聚类：
  • 对原始数据集中数据量较多的类别进行聚类，根据每个类别的比例，选择一个合适的阈值（百分比），将聚类结果每个类中大于这个阈值的数据去掉
  • 对原始数据集中数据量较多的类别进行聚类，根据每个类别的比例，选择一个合适的阈值（数值或百分比），将聚类结果所有类中数据量小于阈值的类别去掉
• 分割数据集：
  • 对数据量多的类别进行分割，使每一部分的数据量都和数据量较少的类别相匹配。例如，某个数据集中有正样本100条，负样本1000条，可以将负样本分为10份，每份100条数据。将这10份负样本分别和正样本组合建模，可以得到10个不同的模型。最后使用这10个模型进行预测

Focal Loss

正常的二分类loss：
$p_t$为正样本的时候取$p$, 为负样本的时候取$1-p$

为了提高正样本的权重，设计了BCE，其中${\alpha }_t$一般取0.75

为了提高困难正样本的权重，降低简单正样本的权重，设计了FL($p_t$越趋近于1越是简单样本，因子也越小)