現(xiàn)在知道類不平衡問(wèn)題是什么以及它為什么是一個(gè)問(wèn)題，我們需要知道如何處理這個(gè)問(wèn)題。

我們可以將方法粗略地分為兩大類：基于抽樣的方法和基于成本函數(shù)的方法。

基于成本函數(shù)的方法

基于成本函數(shù)的方法背后的直覺是，如果我們認(rèn)為一個(gè)假陰性比一個(gè)假陽(yáng)性更差，我們將計(jì)算一個(gè)假陰性，例如100個(gè)假陰性。例如，如果1個(gè)假陰性與100個(gè)假陽(yáng)性一樣昂貴，則機(jī)器學(xué)習(xí)算法將嘗試與假陽(yáng)性相比產(chǎn)生更少的假陰性（因?yàn)樗阋耍＠纾赟VM的情況下，通用公式為：

其中w是超平面的法向量。并且E [i]是每個(gè)數(shù)據(jù)實(shí)例的錯(cuò)誤，C是成本常數(shù)，n是數(shù)據(jù)實(shí)例的數(shù)量。要為假陰性和誤報(bào)分配不同的成本函數(shù)，我們可以將公式修改為如下：

其中C +?是陽(yáng)性病例的成本常數(shù)，C-是陰性病例的成本常數(shù)，n +是陽(yáng)性病例的總數(shù)，n-是陰性病例的總數(shù)。如果不深入研究上面的公式，這只是一個(gè)例子，可以指出不同的成本與正面和負(fù)面類別。

基于抽樣的方法

這大致可分為三類：

• 過(guò)采樣，通過(guò)添加更多的少數(shù)類，因此它對(duì)機(jī)器學(xué)習(xí)算法有更大的影響
• 通過(guò)刪除一些大多數(shù)類來(lái)進(jìn)行欠采樣，因此它對(duì)機(jī)器學(xué)習(xí)算法的影響較小
• 混合，過(guò)采樣和欠采樣的混合

然而，這些方法具有明顯的缺點(diǎn)，如下所述。

欠抽樣

通過(guò)抽樣，我們可以冒險(xiǎn)刪除一些更具代表性的多數(shù)類實(shí)例，從而丟棄有用的信息。這可以說(shuō)明如下：

這里綠線是我們想要的理想決策邊界，藍(lán)色是實(shí)際結(jié)果。左側(cè)是僅使用通用機(jī)器學(xué)習(xí)算法而不使用欠采樣的結(jié)果。在右邊，我們對(duì)負(fù)面類進(jìn)行了欠采樣，但刪除了一些信息負(fù)面類，并導(dǎo)致藍(lán)色決策邊界傾斜，導(dǎo)致一些負(fù)面類被錯(cuò)誤地歸類為正類。

過(guò)采樣

通過(guò)過(guò)采樣，只是復(fù)制少數(shù)類可能導(dǎo)致分類器過(guò)度擬合幾個(gè)例子，如下所示：

左側(cè)是過(guò)采樣之前，右側(cè)是過(guò)采樣。在右側(cè)，厚的正號(hào)表示該數(shù)據(jù)實(shí)例有多個(gè)重復(fù)的副本。然后，機(jī)器學(xué)習(xí)算法多次看到這些情況，因此設(shè)計(jì)為特別地過(guò)度擬合這些示例，導(dǎo)致如上所述的藍(lán)線邊界。

混合方法

通過(guò)結(jié)合欠采樣和過(guò)采樣方法，我們獲得了上述兩種方法的優(yōu)點(diǎn)，但也存在缺點(diǎn)，這仍然是一種權(quán)衡。