众所周知，模型训练需要及时获得正负反馈，以定期优化模型，人生也是一样。
机器学习
做机器学习的人都知道，决策树、SVM、LR等分类器模型，做二分类场景的模型训练时，训练数据都需要有一定比例的正负样本。如果正负样本的比例相差很多，我们就说出现了样本不平衡的问题，最终会影响模型效果。
因为正负反馈是同样重要的，合理比例的正负样本有利于分类器更好地拟合决策面，避免引入偏差。
比如Python的imblearn包就是用于处理训练数据中样本不平衡（比如二分类场景下正负样本比例不合理）的问题。具体有过采样、欠采样、联合采样、集成采样等多种处理方法。
需要详细了解的话可以看此篇 超爱学习：方便又好用的不平衡数据处理库:imblearn
生活工作
而在日常学习和工作中，定期收集合理比例的正负反馈，才能让我们走得更好、进步更快。如果我们一味顾着埋头走路，而没有人告诉我们努力方向对不对、需要做什么改进、后边应该往哪里去，那么最终走偏甚至失败的可能性真的极大。
对于我现在工作的上司，我最喜欢她的一点，就是沟通流畅直接，正负反馈都给得及时而且比例合理，不需要下属花心思去揣度。这样的好领导还是可遇不可求呀，但我们自己平时应该怎样注意收集反馈呢？我自己总结了以下几点：
收集来源：注意从上司、老师、长辈，或者平辈同级中比自己优秀而没有利益冲突的人，收集反馈；
收集时间：注意定期收集反馈，同时注意在人生的关键节点：升学前后、升职前后、留学、比赛、恋情、换工作等等，及时沟通复盘；
收集方式：注意收集别人对自己的反馈，就像对方给自己做一次诊断，要从对方擅长的领域重点入手，不要问些对方不擅长的内容；
还要注意，没有人愿意平白无故地帮助别人，平时注意给这些前辈们打打下手，或者做些理所能及的事情，这样有需要请教他们的时候，才有“感情纽带”可以依靠
团队管理
平时自己也有机会做些团队管理的事情，对于下属组员，及时有效地给出绩效反馈也是日常工作的重要一环。
注意沟通时机和气氛，正式或非正式（下班后喝酒吃饭就是常见方法）的沟通，视情况选用；
重要的绩效反馈，特别是低绩效的沟通，需要注意一对一的隐秘性；
沟通内容需要注意SMART、STAR、BEST原则，注意沟通节奏；
先将正反馈，再讲负反馈，再提建议，最后提出积极正向的期望来鼓励对方，可以参考下图：
总的来说，管人可比做模型这类技术活复杂多了，人真是个复杂难以理解的物种。
以上我就是对于“反馈”这个命题的一点延展思考，欢迎各位网友指正。
