样本不均衡的解决办法
- 上采样：将小样本集复制多份，复制样本的时候可以加入轻微扰动
- 下采样：将大样本集剃除多份，为了避免信息损失，可以用Ensemble：
2.1 easyEnsemble:有放回的采样，从而训练多个不同的分类器，通过组合得到最终的结果
2.2 BalanceCascade：增量学习，还没看过
2.3 利用KNN挑选大众样本：Learning from Imbalanced Data - 随机采样：很简单，但是大样本集中的样本会重复多次，小样本集中可能出现数据缺失
- 利用SMOTE进行数据合成Borderline-SMOTE，ADASYN
- 加权：focal loss
- 一分类：如果样本极度不平衡可以把他当成一分类问题One-Class SVM
