收藏下地址：

英文原文：https://machinelearningmastery.com/tactics-to-combat-imbalanced-classes-in-your-machine-learning-dataset/

漢文翻譯：https://blog.csdn.net/jiandanjinxin/article/details/50857205

其他文章：https://blog.csdn.net/tingfeng96/article/details/72854874

https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650718717&idx=1&sn=85038d7c906c135120a8e1a2f7e565ad&scene=0#wechat_redirect

https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650724464&idx=1&sn=1f34358862bacfb4c7ea17c864d8c44d&chksm=871b1c0eb06c95180e717d8316b0380602f638a764530b4b9e35ac812c7c33799d3357d46f00&scene=0&key=0f5e635eeb6bf20a076ad60d7f11c6ef5c5c1c8f02873bc8b458381b629a1e2ae76174d0d4ba34331c71d095e3b3b92aa7fff5e1e11badeaf6c87ff90fd264f3dc6b1eb074eaccb2ac46e8f2d440cefd&ascene=0&uin=MTU1NTY3MTA0Mg%3D%3D&devicetype=iMac+MacBookPro12%2C1+OSX+OSX+10.11.6+build(15G1217)&version=12010310&nettype=WIFI&fontScale=100&pass_ticket=csWk%2BJXfpl7rA8r527fLqF%2BF3EZEeBKpFRjI%2BWMXoPf2PEtPt%2FLMrscLX4GBl7gg

下面為從微信公眾號摘抄的一篇文章，也可以看看

一、資料層面策略：取樣技術
1、隨機欠取樣和隨機過取樣
欠取樣：優點是在平衡資料的同時減小了資料量，加速訓練，尤其是當樣本集很大的時候。
        缺點是資料減少會影響模型的特徵學習能力和泛化能力
        
過取樣：優點是不會導致資料資訊損失，一般效果也會好於欠取樣。
        缺點是由於是對較少類別的複製，過取樣增加了過擬合的可能性
        
2、基於聚類的過取樣
    對不同的類別分別進行聚類，一般情況下設定樣本較多的聚類中心數目較多，而樣本較少的類聚類中心較少。
然後通過對每個cluster進行過取樣和欠取樣使原始類別中所有的cluster有相同的樣本。
    這種方法通過聚類作為中介不但一定程度上緩解了類間的樣本不均衡問題，還一定程度上緩解了類內的不平衡問題。
但這種方法和一般的過取樣一樣容易使模型對訓練資料過擬合。

3、Informed Over Sampling(SMOTE):
a)簡單的SMOTE
對於一個xi，先找到其近鄰的k個樣本，然後從這幾個近鄰樣本中隨機選取一個xi^hat，生成新的樣本
優點：通過人造相似樣本取代直接複製的方法減弱過擬合，也沒有丟失有用的資訊
缺點：但這種方法在進行人工合成樣本時沒有考慮近鄰樣本可能來自於不同類別，導致增大類別間的重疊。
另外，SMOTE在資料維度很高時效率很低。

b)Borderline-SMOTE
SMOTE沒有考慮樣本較少的那個類別自身潛在的分佈，Borderline-SMOTE在此進行了優化

c)基於資料清洗的SMOTE
利用Tomek Links方法去掉一些重疊樣本，清洗資料。

二、演算法策略：整合演算法
1、Bagging
優點：可以提高演算法的穩定型和準確率，減弱演算法的variance和過擬合，而且在噪聲樣本環境下，Bagging通常比
Boosting表現好
缺點：但Bagging的問題是隻在基礎分類器都能產生不錯的結果時work，如果有的基礎分類結果很差，可能會嚴重影響Bagging的效果

2、Boosting
優點：演算法容易實現且有很好的泛化性
缺點：對於噪聲和離群點比較敏感