数据不平衡发生在许多现实世界应用领域，该领域旨在检测罕见但重要的情况。可以在信息技术领域[1,2]中找到它们；生物医学数据[3,4]；工业应用[5]；和财务杂志[6]。这种不平衡意味着学习算法很困难，因为它们会偏向最常见的（通常不太重要）的病例。要克服对大多数类示例的这种偏见，必须应用特定的机器学习算法。即使我们将搜索限制在近年来，列出与这些算法相关的所有相关作品也是很自命的（在过去3年中，Google Scholar中列出了6500多篇论文）。因此，我们更喜欢建议教程[7-9]（以及其中的参考），向感兴趣的读者提供完整的概述。通常，解决不平衡的方法可以分为三类：1）数据级方法集中于修改训练集以使其适合标准学习算法。bal-ancing分布是 -