神经网络训练样本不平衡会导致

神经网络训练结果的偏差，即模型对于样本数量较多的类别会更加准确，而对于样本数量较少的类别则会表现较差。这种情况被称为类别不平衡问题。在实际应用中，类别不平衡问题非常常见。例如，在医疗诊断中，正常样本往往会比异常样本多很多，这就导致了训练出来的模型对于异常样本的分类效果较差。为了解决这个问题，需要对训练数据进行一些处理，例如对少数类样本进行过采样或者对多数类样本进行欠采样等。