imbalance data分类解决办法

http://blog.csdn.net/u011414200/article/details/50664266

http://www.tk4479.net/a358463121/article/details/52304670

https://www.jiqizhixin.com/articles/2017-03-20-8

http://www.jianshu.com/p/3e8b9f2764c8

点击打开链接 LR模型常见问题小议

不平衡数据的场景也出现在互联网应用的方方面面，如搜索引擎的点击预测（点击的网页往往占据很小的比例），电子商务领域的商品推荐（推荐的商品被购买的比例很低），信用卡欺诈检测，网络攻击识别等等。

1.随机过采样

2.under sampling欠采样

加权

3.informed 欠采样

3.1EasyEnsemble算法

3.2BalanceCascade算法

基于聚类的过采样

4.ENN,最近邻规则(edited nearest neighbor: ENN)

NCL,领域清理规则 (neighborhod cleaning rule: NCL)

KNN

Tomek Link Removal

5.数据生成的合成抽样方法

SMOTE全称是Synthetic Minority Oversampling Technique即合成少数类过采样技术

自适应合成抽样方法

Borderline-SMOTE算法

利用数据清洗技术的抽样

移除重复的样本，可以在训练集中建立良号定义的类簇，这反过来又可以为提高分类性能定义良好的分类准则。在这个领域中，典型的方法包括 OSS 方法、简明近邻规则、Tomek线（CNN+Tomek）集成方法、基于编辑近邻（ENN）的近邻 清理规则（NCL）、SMOTE 和ENN 的集成（SMOTE+ENN）以及 SMOTE 与 Tomek 线的集成（SMOTE+Tomek）。

3.代价敏感学习算法(Cost-Sensitive Learning)

AdaCost算法

4.集成

基于bagging

基于boosting

自适应 boosting——Ada Boost

 梯度树 boosting

XGBoost

1. 算法层面的处理方法
2. 样本层面的处理方法，利用适当的方法重构训练样本，以提高分类性能
3. 将算法和样本处理相结合使用，更能提高分类器的性能

评价指标