機器學習分類問題中，數據不均衡時的解決方法

數據不均衡是指數據集中每種類別的數據的數量相差比較大。比如一個數據集S中，a類數據有100個，b類有1個，一般相差一個以上數量級的就算是數據不均衡了，需要進行預處理。 數據不均衡會導致最終的分類結果有偏差。同樣以數據集S作爲說明，如果不作任何處理直接用S作爲訓練數據，那麼用訓練模型對一個新的數據進行測試，得到的結果將有約100/（100+1）即近似爲1的概率被預測爲類別a，而被預測爲b類的概率只有

>>阅读原文<<