样本不平衡问题的定义

类别不平衡（class-imbalance）就是指分类任务中不同类别的训练样例数目差别很大的情况。

对模型训练和模型评估的危害

传统机器学习使用分类准确度 ACC 作为评价指标，而ACC 对所有的样本一视同仁，分类器在多数类的分类精度较高而在少数类的分类精度很低。
**

解决办法

数据层面

采样方法
1）分治 ensemble：将大类中样本聚类到 L 个聚类中，然后训练 L 个分类器；每个分类器使用大类中的一个簇与所有的小类样本进行训练得到；最后对这 L 个分类器采取少数服从多数对未知类别数据进行分类，如果是连续值（预测），那么采用平均值。
2）分层级 ensemble：使用原始数据集训练第一个学习器 L1；将 L1 错分的数据集作为新的数据集训练 L2；将 L1 和 L2 分类结果不一致的数据作为数据集训练 L3；最后测试集上将三个分类器的结果汇总（结合这三个分类器，采用投票的方式来决定分类结果，因此只有当 L2 与 L3 都分类为 false 时，最终结果才为 false，否则 true。）

算法层面

选择那些对类别不平衡数据集影响不大的模型/算法

决策树往往在类别不均衡数据上表现不错。它使用基于类变量的划分规则去创建分类树，因此可以强制地将不同类别的样本分开。
SVM、决策树往往在类别不均衡数据上表现不错，类别不平衡数据训练集对这 2 类算法的训练结果表现影响不大。