1樓：帶帶小師弟
如果使用交叉熵作為loss函式，則模型在訓練的過程中會盡量保證盡可能多的樣本被正確分類。當正負樣本不平衡時，很容易出現幾乎全都判別為樣本多的那一類別的情況，陷入區域性最優。這是損失函式決定的。
所以在這種情況下，需要使用降取樣或者過取樣對正負樣本進行均衡。或者在交叉熵損失函式中設定權重引數，加大模型將較少類樣本誤判為多類樣本帶來的損失。
訓練集的正負比例越接近於測試集的比例，只能保證模型在測試集上有較高的準確率，但是測試集正負樣本比例如果不均衡，幾乎不可能使用準確率作為評價指標，因為完全沒有意義。基本上會使用AUC或者F1 score等。這時候如果在訓練的時候不對正負樣本的比例進行均衡，訓練出來的模型很可能在以上指標上表現很差。
或者使用其他的損失函式，比如focal loss，或者在語義分割領域常用的dice loss，這樣就減少了正負樣本比例的不良影響了。
所以還是建議在訓練過程中對正負樣本比例進行均衡，而不是盡量接近測試集的比例。
2樓：小李
這裡要看使用的模型是什麼樣子的模型。
如果是貝葉斯之類的模型，那麼先驗概率會有很大的影響。
但是你試試看現在的深度學習，主要是從已有的很多的資料中統計學習到所謂的特徵，這裡是對訓練集的多樣性（當然，也有要求必須要出現測試集中會出現的case型別）以及正負樣本的均衡性提出了要求。
同乙個訓練集 模型和引數，每次訓練的結果都不一樣，最大相差3 ，所以請問實驗訓練的結果怎樣才算最好？
漁舟唱晚 如果網路結構相同，使用下面的設定可以固定隨機種子，方便對比結果。但如果網路結構有變化，哪怕多乙個變數，乙個類成員值，隨機值會隨著模型整體發生變化。下面使得每次的結果是固定的 init seed 34 torch.manual seed init seed torch.cuda.manual...
為何相同的資料集，相同的超參設定，模型訓練結果準確率相差很大？
今天周一天氣晴 問題補充，請大家幫忙看一下 1.資料集是提前整理好的，提前劃分好了訓練集和驗證集放在了不同的檔案裡面 2.該實驗是用乙個resnet18模型 學生模型 和少量資料，使用知識蒸餾損失，去逼近用大量資料訓練的另乙個resnet18模型 教師模型 兩個模型都能對100個類的樣本進行分類，教...
機器學習為什麼需要訓練，訓練出來的模型具體又是什麼？
南方的雨 其實和人學習乙個東西是一樣的 比如，乙個沒打過羽毛球也沒啥運動天賦但是力氣特別大的人，想學會怎麼接打高遠球，第一次，教練幫他丟了個球，他啥也不知道對著球使勁一揮，球往上飛老高，但是沒過網，教練告訴他，別往上打，注意角度 第二次，他調整了擊球方向，還是用力一揮，球衝著對面飛過去了，結果太大力...