非平衡数据是什么意思?

非平衡数据指的是数据集中不同类别的样本数量差异很大，比如有的类别有上千条记录，有的只有几十条。这种情况在现实世界中很常见，比如信用卡欺诈检测中，正常交易远多于欺诈交易。非平衡数据会影响模型的训练效果，让模型偏向样本多的类别，忽略样本少的类别。

处理非平衡数据的方法有很多种，比如增加少数类样本、减少多数类样本，或者调整算法权重。实际应用中，医疗诊断、垃圾邮件过滤等领域都会遇到这类问题。如果不加处理，模型可能会漏掉重要的少数类信息，导致预测不准确。解决非平衡数据需要结合具体场景选择合适的方法。