类别不平衡

类别不平衡是指某一个类别（称为多数类）中的样本数量远远超过另一个类别（通常称为少数类）中的样本数量的情况。这种现象在众多行业中均有出现，而在机器学习领域，它会对预测模型的性能产生重大影响。

类别不平衡带来的主要问题之一是模型可能会偏向多数类。在训练过程中，模型主要接触到多数类的样本，这使得它更熟悉该类别的模式。因此，模型可能难以准确预测少数类的实例，从而在处理少数类样本时表现不佳 。