【AI面试题】什么是数据不平衡，如何解决

1. 什么是数据不平衡

       数据不平衡主要指的是在有监督机器学习任务中，样本标签值的分布不均匀。这将使得模型更倾向于将结果预测为样本标签分布较多的值，从而使得少数样本的预测性能下降。绝大多数常见的机器学习算法对于不平衡数据集都不能很好地工作。

2. 解决方法

1. 重新采样训练集
   1）欠采样：通过减少丰富类的大小来平衡数据集。
   2）过采样：增加稀有样本，通过使用重复，自举或合成少数类等方法。

2. 设计使用不平衡数据集的模型
   1）在代价函数中增大对稀有类别分类错误的惩罚权重（例如Focal Loss）。