正负样本极不平衡带来的影响

假设特征有效，正负样本在特征空间里的分布是有差别的，比如有的空间区域正负样本比例是1:10，而有的区域正负样本比例是1:1000000，即特征对于样本预测仍然有效，而模型尝试学习的就是这个映射关系。

但由于样本不均衡，在大部分特征空间区域，仍然是预测为负样本会带来更小的损失，从而导致模型失效，或者预测值总是集中的0附近。

也就是说预测偏向样本数较多的分类。这样就会大大降低模型的范化能力。往往accuracy（准确率）很高，但auc很低。