分类过程中类别不平衡问题解决方法

第一种情况

以二分类为例，若两种类别数量都很大。对大样本采用欠采样。

第二种情况

以二分类为例，若两种类别数量不大。
1. 扩大数据集
在增加小样本数据时，又增加大样本数据。
2. 小样本通过SMOTE算法过采样，大样本通过EasyEnsemble过采样
SMOTE算法：
a. 对于每个小样本a，从他的最近邻中随机选择一个样本b
b. 在a和b的连线上随机选择一点作为新的少数类样本。
EasyEnsemble算法：
a. 首先从多数类中独立随机抽取若干子集
b. 将多个子集和少数类结合生成若干基分类器
c. 将多个基分类器组合形成集成学习系统
3. 使用更有说服力的评价指标
准确率在类别不平衡数据上，说服力比较差；应考虑精确率、召回率、AUC、F1值
4. 对模型采用惩罚
通过增加分错小样本类别的权重，降低分对的大样本类别的权重，使得分类器格外关注小样本类别数据