不平衡样本的处理方法---金融欺诈案例

对于二分类问题，理想的样本应该是50：50
但现实中某些场景就是非平衡数据，如癌症检测（癌症患者在人类总数中总是占非常小的比例），金融欺诈（一般来说大家都是守法尊则的良好公民，欺诈一般占小比例）
对于不平衡问题，一般将占比小的分类设为1，如欺诈和患癌症

（一）不平衡样本的处理方式：
（1）样本采样方面：
欠采样（减法）
过采样（加法）
SMOTE（类似与过采样，区别在于采用算法生成新的样本（一般是占比小的一类样本点），过采样是直接复制占比小的样本，使得最终样本50：50）

（2）评估方面：
单纯的混淆矩阵、准确度等指标不再适合，占比大的预测准确度肯定高，就好像黑箱中有20个球，其中黑球18个，白球2个，让你猜小明摸出来的球是黑色还是白色？只要一直猜黑球，准确率肯定高，但是有意义么？能反应什么问题么？

这时候召回率，F1score，ROC and AUC 更能反应模型性能

（二）可用工具包：
（1）采样方面：
imblearn 官方文档

不定期添加更新。。。