机器学习----线性模型：类别不平衡问题及其解决办法

定义：

在分类任务中，不同数目的训练样本例数据差距很大的情况

假如类别数量设定是正例，类别不平衡时为正例，其中m+,是正例数目，m-是反例数目。

解决方法：

1.在训练样本中，将反例样本进行欠采样，使正反样本数接近，然后再进行学习；

2.在训练样本中，对正例样本进行过采样，是正反样本数接近，然后进行学习；

3.对分类器的判定标准进行“阈值移动”，即，判别准则变为：

注意：

1.欠采样会使训练数据集变小，过采样会使数据集变大，所以两者计算开销是不同的；

2.不能简单的对数目少的样本进行简单的重复采样，不然会导致严重的过拟合；代表性算法是SMOTE，通过对训练样本里数目少的样本数进插值来产生额外的样本数；

3.不不能随机的对数目多的样本进行丢弃，这可能会导致一些重要的信息丢失。代表性算法是EasyEnsemble,利用集成学习机制，将样本数目多的划分为若干个集合供不同的学习器使用，这样对每一个学习器都进行了欠采样，但对全局来说不会丢失重要的信息；