参考：https://www.jianshu.com/p/be343414dd24
问题解决难度：
大数据+分布均衡<大数据+分布不均衡<小数据+数据均衡<小数据+数据不均衡
方法一：采样
采样分为上采样和下采样：上采样会把小众样本复制多份，这样容易造成过拟合问题，解决方法是在重复样本中加入轻微的随机扰动
下采样是随机选取大众类，使其和小众类有相同的样本，这样会造成模型的不完整，解决方法是多次下采样（放回采样，这样产生的训练集才相互独立）产生多个不同的训练集，进而训练多个不同的分类器，通过组合多个分类器的结果得到最终的结果
方法二：数据合成
利用已有样本生成更多样本，常见方法是SMOTE，简单来说就是利用小样本在特征空间的相似性生成新样本
方法三：加权
对不同类别分错的代价不同，小样本大权重，分错类会有大惩罚
方法四：一分类
对于正负样本极不平衡的场景，我们可以换一个完全不同的角度来看待问题：把它看做一分类（OneClass Learning）或异常检测（NoveltyDetection）问题。
如何选择
1、在正负样本都非常之少的情况下，应该采用数据合成的方式；
2、在负样本足够多，正样本非常之少且比例及其悬殊的情况下，应该考虑一分类方法；
3、在正负样本都足够多且比例不是特别悬殊的情况下，应该考虑采样或者加权的方法。
4 、采样往往比加权好，如果计算资源足够且小众类样本足够多的情况下使用上采样，否则使用下采样