SU小模型是受到“简化超标算法”（simple undersampling algorithm，简称SU）的启发而绘制的。

SU是一种分类算法，它用于解决分类问题中的数据不平衡问题（例如常见的二分类问题：男性/女性）。

SU算法的目的是从一组不平衡的数据中选择出有效的、具有代表性的少量数据来进行分类，从而减少数据中存在的噪音和重复信息。

它使用“随机下采样”（random undersampling）将多数类的样本数量压缩到少数类样本数量的一半，或者一个更小的值，以达到降低偏差和获得更好的性能的目的。 

SU小模型是一种由原SU算法改进而来的模型，它解决了原SU算法的两个主要问题：过拟合和数据稀疏性。

首先，与原SU算法不同，新的SU小模型采用“分层下采样”（stratified undersampling）的方法，它把数据集按照不同的分类划分然后进行下采样，从而有效地减少了过拟合的可能性。

其次，新的SU小模型使用一种新的特征表示方式，使原始数据中的稀疏性大大降低，从而提高了模型泛化能力。 

总之，SU小模型是由原SU算法改进而来的一种模型，它通过做出一些改进以解决原SU算法存在的过拟合和数据稀疏性的问题，从而提高了模型的性能和泛化能力。

因此，SU小模型是一种非常有效的分类模型，在解决分类问题时很实用，值得大家深入学习和研究。

转载请注明来源本文地址：https://m.tuituisoft/jianzhu/29472.html