样本不均衡

1. 设置不同的惩罚参数  【著名例子：生病 健康问题】

2. smote方法 增加少数类样本的数量【程序：smote算法的程序；与SVM相结合的程序】；

    现数据集分层抽样；

    AdaCost非均衡数据集分类

————————

A：样本中的1的准确预测比0更重要（或相反） => 数据不对称定义的一个关键点

      代价敏感学习（可行）.    评价结果用ROC曲线

B：0,1 同等重要：同时考虑召回率 / 结合准确率与召回率的耦合的指标

C：emsemble learning（随机森林，adaboost等）防过拟合  （在train之前做 数据clean，train时用Random Forest Boosting）

       oversample(过大: overfiting)  /  undersample(过小: underfitting)

————————

1. ROC曲线：

http://baike.baidu.com/link?url=QTcWmR9tY_srWKNHdBBQXE0iPA885mwA2IjlX7TxruMNG06sVuyog9wqmN-1xFcIKz650QfarjMamwk8AAxSWq

https://www.douban.com/note/284051363/

2. Matlab利用Libsvm-mat画ROC曲线

http://www.ilovematlab.cn/thread-63881-1-1.html

3. ROC和AUC

https://www.douban.com/note/284051363/

4.svm_learn训练样本不均衡

http://www.newsmth.net/nForum/#!article/AI/1463