Class Imbalance

定义 Definition

类别不平衡：在分类任务中，不同类别的样本数量差异很大（常见的是“少数类”远少于“多数类”），从而导致模型更容易偏向多数类，出现“整体准确率看起来很高，但少数类识别很差”等问题。（也常见于欺诈检测、罕见疾病筛查、故障预测等场景。）

发音 Pronunciation (IPA)

/kls mblns/

例句 Examples

Class imbalance can make a model ignore rare but important cases.
类别不平衡会让模型忽视罕见但重要的情况。

In medical diagnosis, class imbalance often requires resampling or cost-sensitive learning to improve recall for the minority class.
在医学诊断中，类别不平衡常常需要重采样或代价敏感学习，以提高对少数类的召回率。

词源 Etymology

class 源自拉丁语 classis（群体、等级），在机器学习语境中指“类别/标签”；imbalance 由 *im-*（否定前缀）+ balance（平衡）构成，表示“不平衡”。组合起来即“类别（分布）不平衡”，是统计学习与数据挖掘中常用术语。

文献与作品 Literary / Notable Works

Pattern Recognition and Machine Learning（Christopher M. Bishop）在分类与评估相关章节中讨论到数据分布不均衡带来的影响。
The Elements of Statistical Learning（Hastie, Tibshirani, Friedman）在分类方法与误差度量的讨论中涉及类先验/不均衡问题。
“Learning from Imbalanced Data” 等研究综述与论文（如 He & Garcia 的相关工作）系统讨论类别不平衡、重采样与代价敏感学习。
Imbalanced Learning: Foundations, Algorithms, and Applications（Haibo He, Yunqian Ma 编）以“类别不平衡/不均衡学习”为核心主题的专著。