数据样本类别不平衡

标题训练集中类别不平衡，会引起什么评估指标最不准确？

准确度（Accuracy）
（注意与精度区分）
对于二分类问题来说，正负样例比相差较大为99:1，模型更容易被训练成预测较大占比的类别。因为模型只需要对每个样例按照0.99的概率预测正类，该模型就能达到99%的准确率。

样本不均衡（数据倾斜）解决办法？

数据层面

1. 上采样：
Smote过采样方法，基于插值来为少数类合成新的样本（构建新的样本）。
2. 下采样：
随机丢弃一部分负样本。

评估指标层面

1. 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；可考虑AUC、F1值等。

模型层面

1. 代价敏感方法—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.

2. 分类器集成

使用能够解决数据倾斜的模型，例如，使用xgboost模型。