简介：摘要：数据智能分类是机器学习研究的热点问题之一。经典的分类方法一般没有考虑不平衡数据的本身特性。所以分类效果往往表现不好。然而少数类识别错误其代价往往高于多数类。提升少数类的识别精度是目前数据分类中的研究重点。针对不平衡数据分类研究，涌现出的大量分类方法。本文对近年来方法进行整理，并作出宏观梳理。对新学者起一个快速上手的介绍。先对现有算法大致归重采样法、特征选择法、分类算法改进法等三大类、然后分别对每个类进行小类划分整理。最后对不平衡学习进行总结与展望。
不平衡学习研究
