作者steven183 (單推蜜柑寶)
看板Soulace
標題Re: 趁你版人多
時間Fri Jul 10 00:30:54 2026
※ 引述《sustainer123 (溫水佳樹的兄長大人)》之銘言：
: 我印象以前看過處理資料不平衡問題的解耦學習
: 就先用原不平衡資料集訓練一次 再用採樣成平衡的資料集再fine tune
我只做過單純上採樣
TVAE品質 > CTGAN
不過這些是老東西了 最近幾年有更新的
表格資料上採樣我覺得提升不多
圖片上採樣感覺比較有用
: 但我找不到paper 你版有大師熟嗎
: 還有flow matching靠譜嗎
: 我看不少新的模型跳槽到這邊
: 但相比diffusion 他的訓練時間一定是更省
: 但表現會更好嗎?
: 還有從實務上來說 好調參嗎
我記得樹模型在不平衡資料屌打深度學習
--
劇透狗我砸死你
https://i.imgur.com/w6a5n5U.gif
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 36.238.103.125 (臺灣)
※ 文章網址: https://webptt.com/m.aspx?n=bbs/Soulace/M.1783614656.A.75A.html
※ 編輯: steven183 (36.238.103.125 臺灣), 07/10/2026 00:31:41
1F：推 sustainer123: 對 這真的是 07/10 00:31
2F：→ sustainer123: 他問題就表格資料 07/10 00:31
3F：→ sustainer123: 我一開始就說搞啥深度學習不如xgboost 07/10 00:32
4F：→ sustainer123: 結果也xgboost最好 宇宙的神 07/10 00:32
5F：→ steven183: xgboost很猛 哀哀哀 07/10 00:32
6F：→ sustainer123: 表格資料採樣真的沒啥用 我覺得最有用就特徵工程 07/10 00:33
7F：→ sustainer123: 特徵工程>損失函數>其他 07/10 00:33
8F：→ steven183: 這個要用數學 07/10 00:35
9F：→ steven183: 我記得有xgboost+特徵工程的 07/10 00:36