如何解决机器学习里面的类别不平衡问题

转载自：https://zhuanlan.zhihu.com/p/78508502

总结下机器学习中类别不均衡的处理方法主要有下，希望对你有帮助~~

1. 采样
   这里的采样可以分为上采样和下采样，简单说就是从类别少的多采样或者类别多的少采样。对于上采样，如SMOTE算法。
2. 转化为One-class问题
   把它看做一分类（One Class Learning）或异常检测（Novelty Detection）问题。这类方法的重点不在于捕捉类间的差别，而是为其中一类进行建模，经典的工作包括One-class SVM等
3. 聚类+采样
   对数据先进行聚类，再将大的簇进行随机欠采样或者小的簇进行数据生成，注意了，这里不是简单的上面所说的下采样，而是先聚类后再采样。
4. 模型惩罚
   简单说就是对分类器的小类样本数据增加权值，降低大类样本的权值。
5. 换模型
   使用一些如Bagging和Boosting的方法，集成学习大法好具体看文献3。
   
   除此之外，一些评价指标可能需要换一下，比如换成AUC和ROC，这两个指标对类别不均衡不敏感。
   
   参考文献

机器学习中的样本不平衡问题
微调：如何处理数据中的「类别不平衡」？
How to handle Imbalanced Classification Problems in machine learning?