Zane

引言在机器学习中，使用常用算法进行分类时，如：逻辑回归、决策树、支持向量机、随机森林等，都假设数据集是平衡的，即：不同类别的数据在数量和质量上都是同等的。然而，真实世界中大多数数据并不满足该要求，如：银行信用系统中，不守信用的客户是少数；又如：疾病诊断系统中，诊断为阳性的也是少数。倘若直接使用不平衡数据集并使用常用算法构建模型进行分类，结果是不理想的。因此，解决不平衡数据带来的分类问题成了机器学习中的热点问题。其常用解决方法大致可以分为三类：（1）特征选择法；（2）数据分布调整；（3）模型训.