本文主要是介绍类别不平衡分类：CReST: A Class-Rebalancing Self-Training Framework for Imbalanced Semi-Supervised Learning，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
一句话总结：
分类问题中的两大难题：
1.类别不平衡
2.标注数据少，半监督学习
这篇文章，将这两个问题都包含进来了，那么看看作者是如何处理这两大难题。
长尾分布（Long-Tailed Distribution）
自然界中收集的样本通常呈长尾分布，即收集得到的绝大多数样本都属于常见的头部类别（例如猫狗之类的），而绝大部分尾部类别却只能收集到很少量的样本（例如熊猫、老虎），这造成收集得到的数据集存在着严重的类别不平衡问题（Class-Imbalanced），从而使得训练得到的模型严重的过拟合于头部类别。
参考：
1.论文地址：https://arxiv.org/abs/2102.09559
2.解说：https://zhuanlan.zhihu.com/p/360067653
这篇关于类别不平衡分类：CReST: A Class-Rebalancing Self-Training Framework for Imbalanced Semi-Supervised Learning的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
