我有一个二元分类问题，其中一个类别占了所有观察数据的99.1%（共210,000个）。为了处理数据不平衡问题，我选择了采样技术。但我不知道该怎么做：是欠采样多数类，还是过采样少数类。如果有人有建议的话？

谢谢你。

P.s. 我使用的是来自sklearn的随机森林算法。

回答：

• 过采样或
• 欠采样或
• 对少数类进行过采样并对多数类进行欠采样

这是一个超参数。通过交叉验证找出哪个方法效果最好。但要使用训练/测试/验证集。