假设你正在尝试使用机器学习进行一个分类任务，比如说，查看动物的照片并区分马和斑马。这个任务似乎在现有技术范围内是可行的。

但如果你拿一堆标记好的照片，丢给像神经网络或支持向量机这样的系统，实际情况是，斑马比马稀有得多，系统最终只是学会了说“总是马”，因为这实际上是减少错误的最佳方式。

虽然错误最小化了，但这也不是一个非常有用的结果。推荐的做法是什么，让系统知道“我想要对哪些照片是斑马的最佳猜测，即使这会产生一些误报”？这个问题似乎没有得到很多讨论。

回答：

我通常处理不平衡类别（或倾斜数据集）时采用的方法之一就是简单地生成更多数据。我认为这是最佳方法。你可以到现实世界中收集更多不平衡类别的数据（例如，找到更多的斑马照片）。你也可以通过制作副本或进行变换来生成更多数据（例如，水平翻转）。

你也可以选择一个使用不同评估（性能）指标的分类器，而不是通常使用的准确率。看看精确度/召回率/F1分数。

Andrew Ng的机器学习课程的第6周讨论了这个话题：链接

我还发现了一个处理不平衡类别的不错的网页：链接