machine-learning - 使用小数据集和 SMOTE 进行深度学习

Question

我有一个包含 6000 条记录的数据。我有一个 60-20-20 的训练、验证和测试集。我使用 XGboost 获得了大约 76% 的准确度。我将数据转换为时间序列并应用 LSTM/1-D Convnets，准确率约为 60%。我的数据集对于深度学习来说太小了吗？

其次，可以在每个训练集、测试集和验证集上应用 SMOTE（拆分数据后）我知道在将数据拆分为训练/测试/验证之前不应该应用 SMOTE。拆分后可以对集合进行上采样、训练/测试/验证吗？

如果在拆分它们之后对训练/测试/验证集进行上采样，我会在 LSTM 左右（80%）获得更好的结果但是这种方法，对吗？我只是想表明，通过更多的数据，我们可以提高深度学习算法的准确性。

Answer 1

一般来说，SMOTE 应该只应用在火车上，你用有效的方法调整超参数，不理会测试。

就您而言，我不确定您如何将 SMOTE 应用于时间序列数据。应该有一些可能会影响您的结果的假设。