Rt，选修课的作业题，训练集有大概 220 万条 35 维的非平衡数据（ 97：3 ），目前用的是 SMOTE 把它转化为平衡数据集，训练模型用的是 neighbors.KNeighborsClassifier。 预测结果为（用训练集里面的一部分训练的，全部的要运行好久，结果也很低） 精确率: [0.0895584 0.97825833] 召回率: [0.39105505 0.87329187] F1 值: [0.14573984 0.92279977] 想问怎么同时提高小样本类的精确率（ precision_score ）和召回率（ recall_score ）？数据处理部分和训练模型部分的方法都可以
这是一个专为移动设备优化的页面（即为了让你能够在 Google 搜索结果里秒开这个页面），如果你希望参与 V2EX 社区的讨论，你可以继续到 V2EX 上打开本讨论主题的完整版本。
V2EX 是创意工作者们的社区，是一个分享自己正在做的有趣事物、交流想法，可以遇见新朋友甚至新机会的地方。
V2EX is a community of developers, designers and creative people.