在做交叉验证的时候，如果保证训练集和测试集的[=10=]分布等于整个集，会有什么变化？
When doing cross validation, what changes if you ensure that the class distribution in the training and test set is equal to the whole set?
我们来看一个二进制class化问题。
进行 k 折交叉验证时，当您将随机打乱的数据集分成 k 个块时，它们具有与 k 函数相同的标签分布的可能性有多大？
如果 class 分布非常不均匀，比如说 95% 的数据集是负数，只有 5% 是正数，那么很可能甚至有一些低的 k 值标签分布会不均匀。
这对于 k 的值当然是正确的，例如 k =（数据集的大小），但是对于 k 的低值，例如 5 呢？
我主要担心的是，在交叉验证的某个阶段，我可能会在训练集中没有足够的正面示例。
另一方面，如果我去确保所有块中的标签分布相等，在我看来我可能会给我的问题带来偏见。
基本上我想问的是，如果我确保标签分布在所有块中均匀，我会得到什么，我会失去什么？这是好事还是坏事？最重要的是，为什么？
无论如何，如果你有 1% 到 6% 的积极因素，你就会有不同的模型。最好建立在平衡的数据集上。
怎么会有偏差？
我们来看一个二进制class化问题。
进行 k 折交叉验证时，当您将随机打乱的数据集分成 k 个块时，它们具有与 k 函数相同的标签分布的可能性有多大？
如果 class 分布非常不均匀，比如说 95% 的数据集是负数，只有 5% 是正数，那么很可能甚至有一些低的 k 值标签分布会不均匀。 这对于 k 的值当然是正确的，例如 k =（数据集的大小），但是对于 k 的低值，例如 5 呢？
我主要担心的是，在交叉验证的某个阶段，我可能会在训练集中没有足够的正面示例。 另一方面，如果我去确保所有块中的标签分布相等，在我看来我可能会给我的问题带来偏见。
基本上我想问的是，如果我确保标签分布在所有块中均匀，我会得到什么，我会失去什么？这是好事还是坏事？最重要的是，为什么？
无论如何，如果你有 1% 到 6% 的积极因素，你就会有不同的模型。最好建立在平衡的数据集上。
怎么会有偏差？