SMOTE相关研究

类别数据不均衡是分类任务中一个典型的存在的问题。简而言之，即数据集中，每个类别下的样本数目相差很大。例如，在一个二分类问题中，共有100个样本（100行数据，每一行数据为一个样本的表征），其中80个样本属于class 1，其余的20个样本属于class 2，class 1:class2=80:20=4:1，这便属于类别不均衡。当然，类别不均衡问同样会发生在多分类任务中。它们的解决方法是一样的。

Boosting算法

By xu fly

发表于 2016-05-31

Boosting是集成学习算法之一。通过整合多个弱分类器，从而形成一个强分类器。正所谓“三个臭皮匠，顶个诸葛亮”.

稀疏矩阵的存储格式

By xu fly

发表于 2016-05-30

对于很多元素为零的稀疏矩阵，仅存储非零元素可使矩阵操作效率更高。现有许多种稀疏矩阵的存储方式，但是多数采用相同的基本技术，他们的核心思想是存储矩阵所有的非零元素到一个线性数组中，并提供辅助数组来描述原数组中非零元素的位置。