王 乐，韩 萌，李小娟，张 妮，程浩东

北方民族大学 计算机科学与工程学院，银川750021

数据随着时间流逝总是趋向于改变其特性。不平衡数据集的主要特征就是类别中的实例数量不相等，也就是类别不平衡。类别不平衡是因为不满足条件的数据在处理问题时由于一些实例的数量较少，优先级过低而导致被忽略的现象。

分类是处理数据集的一个非常有用的方法，对不平衡数据集进行分类时关注的实例往往都是少数类实例，但是这种实例的数量特别少。现实生活中的数据出现这种问题是很常见的，像处理欺诈检测[1]、医疗诊断[2]或垃圾邮件过滤[3]等领域的任务时都会出现此现象，因此类不平衡学习总是面临少数类实例不足的挑战。

现有的不平衡数据分类方法综述大多数都从数据级方法开始进行研究，主要分为欠采样方法和过采样方法，文献[4]就从这两方面介绍不平衡数据分类方法。还有从集成学习角度介绍不平衡数据分类算法，其中文献[5]就是基于集成分类算法介绍不平衡数据的分类算法；文献[6]针对集成方法按照单个正类和多类数据进行总结归纳。但是以往的不平衡数据集分类方法综述中只单独介绍欠采样和过采样方法，并不能突出采样算法所使用的主要技术，并且对涉及的算法总结得不够全面。本文使用采样方法对不平衡数据集分类算法按照使用的技术类型进行归纳，并且总结其采样类型；还结合了当下研究热点，综合各种技术，总结并分析了不平衡数据集的分类方法。……