如何解决分类任务中的样本不均衡问题

大家好，今天我们来谈一谈样本不均衡问题及处理方法。

一、什么是样本不均衡问题

样本（类别）不均衡（class-imbalance）指的是分类任务中不同类别的训练样例数目差别很大的情况，一般地，样本类别比例（ImbalanceRatio）（如正类和负类）明显大于1:1（如4：1）就可以归为样本不均衡的问题。

现实中，样本不平衡是一种常见的现象，如金融欺诈交易检测，欺诈交易的订单样本通常是占总交易数量的极少部分，因此就会产生正常样本数量明显大于异常样本数量的情况。

二、样本不均衡有什么影响

如果在样本极度不均衡的情况下去训练模型的话，模型就会学习到训练集中样本比例的这种先验性信息，以致于实际预测时就会对多数类别有侧重（可能导致多数类精度更好，而少数类比较差）。

也就是说我们学习到的模型只能识别出正类（样本多的一方）࿰