VIP20
本课程属于：019-TinyML数据集采集、标注与评估 嵌入式边缘AI与TinyML · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

9. TinyML类别不平衡处理：采样、加权与阈值调整

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导入
TinyML中类别不平衡问题的定义 · 影响与学习目标
课程导入TinyML
02
基础知识
类别不平衡的常见场景（传感器异常检测 · 语音唤醒 · 健康监测）与评估指标（准确率
基础知识类别不平衡的常见…
03
问题剖析
为什么TinyML中类别不平衡更严重… · 边缘设备存储限制 · 标注困难
问题剖析TinyML
04
数据采样基础
随机欠采样与随机过采样的原理 · 优缺点及在TinyML中的适用性
数据采样基础随机欠采样
05
高级采样方法
SMOTE · ADASYN等合成采样算法在Tiny…
高级采样方法SMOTE
06
采样实战
使用Python在TinyML数据集… · 并比较效果
采样实战Python
07
类别加权原理
损失函数中的类别权重（class w…
类别加权原理class
08
加权实现
在TensorFlow Lite M…
加权实现TensorFlow
09
加权实战
针对二分类不平衡数据 · 调整权重并观察模型收敛与性能变化
加权实战针对二分类不平衡…
10
阈值调整基础
默认0.5阈值的问题 · 如何通过调整决策阈值优化F1或召回率
阈值调整基础默认0.5阈值的…
11
阈值选择方法
ROC曲线 · PR曲线 · Youden's J统计量在阈值选择…
阈值选择方法ROC
12
阈值调整实战
在TinyML推理阶段实现动态阈值 · 并评估对混淆矩阵的影响
阈值调整实战TinyML
13
组合策略
采样+加权+阈值调整的协同使用 · 何时组合 · 如何组合
组合策略采样+加权+阈值…
14
模型层面方法
代价敏感学习 · 焦点损失（Focal Loss）在T…
模型层面方法代价敏感学习
15
数据增强与生成
针对少数类进行数据增强（如时序抖动 · 噪声注入）的TinyML实践
数据增强生成
16
评估指标深入
在类别不平衡下如何正确选择验证集 · 交叉验证与指标解读
评估指标深入类别不平衡下如何…
17
TinyML硬件约束
内存 · 算力 · 功耗对采样
TinyML硬件约束
18
端侧实现
在MCU上实现阈值调整和类别权重的代…
端侧实现MCU
19
案例实战1
工业设备异常振动检测——使用采样与加…
案例实战1工业设备异常振动…
20
案例实战2
关键词唤醒（KWS）中的少数类识别—…
案例实战2KWS
21
案例实战3
医疗可穿戴设备中的心电异常检测——组…
案例实战3医疗可穿戴设备
22
常见问题1
过采样导致过拟合 · 欠采样丢失重要信息 · 如何权衡
常见问题1过采样导致过拟合
23
常见问题2
类别权重设置过大导致训练不稳定 · 如何调参
常见问题2类别权重设置过大…
24
常见问题3
阈值调整后模型校准问题 · 如何保证概率输出可靠性
常见问题3阈值调整后模型校…
25
工具与框架
TensorFlow Lite Mi… · Edge Impulse · Arduino等对不平衡处理的支持
工具框架
26
自动化与超参数调优
使用网格搜索或贝叶斯优化自动选择采样… · 权重和阈值
自动化超参数调优
27
模型部署与监控
部署后如何监控类别不平衡漂移 · 并动态调整阈值
模型部署监控
28
综合项目
从数据采集 · 预处理 · 采样
综合项目从数据采集
29
前沿与趋势
联邦学习 · 增量学习中的类别不平衡处理 · 以及TinyML的未来方向
前沿趋势
30
课程总结与进阶路径
核心要点回顾 · 常见误区 · 推荐资源与实战练习
课程总结进阶路径