后续会继续介绍， 主要有三种方式：
通过sampling技术，生成均衡的样本
调整算法，允许算法改变权重weight变得cost-sensitive。
采用集成学习思想， 将major类进行横向划分，形成小的均衡的样本集群。
Sampling技术
Sampling技术比较直观，就是怎么把样本变成均衡的。 我们知道不均衡数据， 最重要的还是收集minority数据。 但是一般这是一个长期的过程。 那么， 在不可能收集到minonrity的情况下， 只能通过“重复”或者产生“假”数据来增加数量，达到均衡。
这里假设是个两类问题， 不均衡就存在major类和minor类。
Sampling技术主要分成两大类：减少majior类达到数量均衡，叫undersampling， 另外一种增加minor类达到数量均衡，叫oversampling。
而undersampling又至少分成两种：一种随机的Resampling（with/without replacement）, 另外一种是带border cleaning的，就是尽量避免选择临近对方的样本。
类似的， oversampling也分成两种， 一类是不生成合成（without-synthesize）数据的， 一类是合成数据的（with-synthesize）。当然，除了这主要的两类， 就是杂交（hybrid）的情况了。
1.Undersampling (downsampling)：
1.1 Resampling （with/without replacement）:
随机选部分majority和minority组合 （不再描述）。
1.2 With border cleaning
基于相邻（neighboring），聚类（clustering）等方法。
2.Oversampling (upsampling)：
2.1 Resampling （with replacement & without synthesize）
随机重复minority和majority组合 （不再描述）。
2.2 With synthesize
线性插值（interpolate）。
3.Hybrid
3.1 With simulation & with border cleaning
先插值然后去除边界等。
undersampling (downsampling) 因为减少了majority的样本数目， 所以潜在的风险是丢失了重要的数据， 很容易underfitting导致，使得泛化性能变差。
oversampling (upsampling) 重复了数据， 也存在风险使得部分数据过于强调，而overfitting， 另外还可能增加计算量。
带边界清理的UnderSampling with Border Cleaning
重要的技术也有两大类：
1. 边界相邻匹配：Tomek Links, NearMiss-T.
2. 聚类：Condensed Nearest Neighbor (CNN)，Edited Nearest Neighbor (ENN)
邻居的定义
一般邻居大体分成三类： A点的kNN主要是其他类， 这个点就是边界点， DANGER情况， 比较难处理。 B点的kNN主要是自己类， 叫安全点SAFE。 如果kNN全是其他类， 那么自己就是Outlier，或者NOISE。
清理Tomek Links：
Tomek links是对于minority的点， 如果它的1NN刚好是majority，那么这就构成了一个Tomek Link， 在undersampling的情况下， 认为这个majority离的太近了， 就会删除这个majority点。
】
NearMiss-T系列算法
NearMiss是基于相邻思想的一系列算法， 有3个典型算法NM-1， NM-2， NM-3。
NearMiss-1：
对于每个majority的点， 找到它对应的在minority里面k个最近邻（Nearest Neighbor）， 然后计算它到这个minority的kNN中心之间距离， 保留那些距离小的点。
NearMiss-2：
刚好和NM-1相反， 它不是找minority里k个最近邻， 而是k个最远邻（Farthest Neighbor）， 然后计算majority里面那个点到这个kFN中心之间的距离， 保留那些距离小的点。NM-2有点诡异，找的是最远的minority点，保留的小距离的majority点。
NearMiss-3：
和NM-1，和NM-3极大不一样的是， NM-3的k个点不是来自minority， 而是来自majority。 对于每个minority的点， 保留与该点最近的majority的kNN点。 k是可调节参数。 是不是刚好和Tomek Links相反。
效果比较：
如下图，可以大致比较一下NM-T系列的效果。
基于聚类的方法：
在解释聚类方法前， 再提一下， 非均衡的扩展，类别内部（inner-class）也是可以有非均衡的。 虽然同一个类， 但是有些特征比较稀少。 因此对于这种情况， 随机的undersampling会导致类别内非均衡性没有被照顾。 如下图， 同一个类别内，还是有不同特征的聚类。
因此聚类方法就是， 将majority进行聚类， 然后找到代表性的类别进行抽样， 这样的好处是既能照顾类别内非均衡， 还能发现outlier和border。
Condensed Nearest Neighbor (CNN)：
通过1NN来压缩majority， 就是找到训练集T的一个子集U，使得T中每个点， 它在U中1NN点都同一个类别就好了。
Edited Nearest Neighbor (ENN)：
类似于Tomek Link的思想， 对于每个majority如果它的kNN投票结果不是majority就删除它。
其他更多的undersampling方法， 例如One-Sided Selection，Instance Hardness Threshold等，可以参考https://github.com/scikit-learn-contrib/imbalanced-learn/blob/master/README.rst
带合成的Oversampling技术 With synthesize
SMOTE -Synthetic Minority Oversampling Technique
最经典的SMOTE算法， 其实比较简单。
第一步， 随机选一个minority点，找它在minority中的kNN点。 然后再从kNN中随机标记一个点。
第二步， 线性差值上面两个点， 生成要的SMOTE点。
Borderline SMOTE
由于SMOTE没有考虑排除前面提到的SAFE, NOISE点的情况, 由于这些点性质明确，不需要合成数据了。 bSMOTE就是只用DANGER点进行合成。
ADASYN - Adaptive synthetic sampling approach for imbalanced learning
ADASYN把前面的SAFE， DANGER， NOISE点的简单划分变成了分布概率。 根据delta和K的比例按权重来合成。 delta就是KNN中属于majority的部分。
杂交 Hybrid
如果把SMOTE和前面的undersampling技术综合起来就是杂交的技术了。
一边合成minority的数据， 一边删除majority的数据，是不是要更快达到均衡。
SMOTE + Tomek
先合成SMOTE点， 然后根据Tomek思想去除Tomek links。
SMOTE +ENN 算法也是类似的。
CBO - Clustering Based Oversampling
另外一种合成是， 先通过clutering只保留核心点， 然后通过合成技术进行oversampling。
Cost-Sensitive Learning
大部分分类算法， 允许安装class的比例来调整权重（weight）， 而形成cost-senistive的学习， 譬如SVM， Random Forest。
权重Weight调整
weight调整就是要保护minority的边界。
集成学习
集成学习的基本思想就是把majority进行划分，然后和minority组合成小的训练集， 然后生成学习器， 最后再集成。
可以根据resampling with replacement做成bagging方式。 也可以根据resampling without replacement做成boosting/cascade方式。
例如：EasyEnsemble， BalanceCascade就是典型的代表。
大杂交
如果再结合oversampling的技术， 就可以杂交出来各种集成学习的技术了。
简单性能比较
这里列举了SMOTE方法，基于cost-sensitive的WeightedRandom Forest（WRF）， 基于集成学习的Balace Random Forest（BRF）的性能， 可以看到其实BRF和WRF效果都比较好， 要比单纯的Oversampling的效果要好。
小结， 本文大体给出了如何学习的基本方法，最后给个整体评价。
Sampling技术：
优点：独立于学习器， 容易实现
缺点：对噪音敏感， 容易欠拟合或者过拟合。
Cost-sensitive学习器：
优点：通过cost自动调节weight来修正bias。
缺点：cost具有不确定性， 算法实现成本高
集成学习：
优点：效果比较好， 对噪音不敏感
缺点：计算量大， 容易过拟合
参考：
http://www.kdnuggets.com/2016/08/learning-from-imbalanced-classes.html/2
https://github.com/scikit-learn-contrib/imbalanced-learn/blob/master/README.rst
https://arxiv.org/pdf/1608.06048.pdf
http://101.96.10.62/statistics.berkeley.edu/sites/default/files/tech-reports/666.pdf