机器学习样本不平衡如何处理？

问：在机器学习训练时候，有时候会出现正负样本极其不平衡的情况，什么情况下会出现这种情况？有何有效的方法避免此类问题？
答：
场景：在一般人群中生病vs没病；在一般工作状态下故障vs无故障；在一般交易中正常vs欺诈，等。
解决方法：
1、收集更多或不同的数据。
2、生成合成的样本。
3、数据重采样。
4、将性能指标更改为混淆矩阵、精确性和召回率。F1得分，kappa，ROC曲线等。
5、采用内建非平衡算法，如 RUS Boost Tree等。
6、添加惩罚函数，将惩罚项加入到不同的cost函数中。
7、尝试异常检测，改变检测算法。

问：为啥要用Focal Loss，为啥不用SoftMax Loss?
答：
1、Focal Loss在训练过程中，会根据分类样本的难易性，自动调整样本的权重，这样训练过程中，可以将关注点集中于难以分类的样本上，不会关注过多的简单样本，可以解决样本不均衡的问题。
2、在图像分割类问题中，对于小物体的分割，背景的像素点比前景要多很多，正负样本存在不均衡的问题，Focal Loss可以集中于难以分类的像素上，解决简单样本过多的问题，都是softmax loss不具备的。

问：不直接使用第三方库，写一个计算二维灰度图像的直方图函数histogram，bin个数为256？
答：
代码：

def hist(im):
    assert isinstance(im, np.ndarray) and (im.dtype == np.dtype('uint8'))
    ret = np.zeros((256,), dtype=np.float)
    for elem in im.flatten():
        assert 0 <= elem < 256
        ret[elem] += 1
    ret = ret / np.sum(ret)
    return ret