扩大数据集,可以得到更多分布。更改评价指标 ,准确率在类别不均衡中不适合(召回率,F1,ROC)对数据重采样,对小类数据样本进行采样增加样本个数(过采样,改变分布),对大类数据样本进行采样减少样本个数(降采样,损失样本信息)产生人工数据样本,如插值(SMOTE)尝试其他对数据不平衡不敏感的算法,C4.5,CART,RF等尝试修改损失函数,对模型进行惩罚。对小样本增大样本权值,降低大类样本权值,使分类器更关注小类样本。在训练时,分错小类样本加额外分错代价。