不平衡分类问题处理方法

问题描述：

工作中处理分类问题时，很多情况是多个分类类别的数据分布不平衡，有的类别的数据量可能远小于其他类别。并且在实验中发现，进行分类模型训练时，各类别的数据比例不同对最终模型分类效果的影响很大。

解决方法：

对于这类问题，主要从数据和学习两个角度进行处理。训练集大小，类优先级，误分代价几个重要影响因素需要重点处理。

从数据角度：训练集重采样，训练集划分；

从学习算法角度：分类器集成，代价敏感学习，特征选择方法；

相关知识点：

重采样：随机向上／向下采样；SMOTE采样

集成算法：SMOTEBoost，AdaCost

不平衡分类评价指标：

传统的F1值，准确率p，召回率r；

F=(1+B)^2.p.r/(B^2.r+p)

G-mean=sqrt(TP/(TP+FN)*TN/(TN+FP))