imbalanced-regression

收录理由

现实中的许多预测任务输出的是连续数值，比如年龄、健康评分或深度，而这些值的分布往往很不均匀——常见区间数据充足，罕见区间却几乎空白。直接在这样的数据上训练回归模型，很容易让预测结果向密集采样区收缩，这正是本仓库想要解决的问题。它把ICML 2021的一篇论文落成了可操作的训练手段：既提供了年龄估计、文本相似度、健康评分和深度预测等基准数据集，也给出了标签分布与特征分布的平滑处理方法，在训练过程中重新平衡损失和特征统计，让模型能够覆盖整个目标范围。仓库里还配有教程笔记本和按数据集划分的代码，虽然整体结构围绕复现论文实验展开，但核心思路不难移植到自己的偏斜数据上。对于需要从长尾数据中做连续值预测的团队来说，这些方法可以直接借鉴。