不平衡数据集重采样后平衡数据建模，再用这个模型去predict不平衡数据可行吗？

数据不平衡（class-imbalance）的主要问题是在Empirical loss function中每个数据点在loss中的权重相同。因为不同类的数据点个数不平衡，会导致不同类的在Empirical  loss中比例不平衡。比如训练数据中正1%，负99%，那么loss的和大概也是正1%，负99%。为了让这两个和相等，有两种办法：

1.欠采样负数据或过采样正数据，让它们个数相等。

2.数据不变，改变它们在loss中的权重，让一个正数据的loss等于99个负数据的loss，相当于对正数据过采样99倍。

这样训练出的模型参数才会对正负数据一视同仁。注意这两种方法都只是作用在loss上，并没有改变模型。如果用梯度下降来训练模型参数，其实改变的是来至于正/负数据梯度的总和。

比如说线性回归模型$y=Ax+\epsilon$, loss$L=\sum_i(Ax_i-y_i)^2$，当加入权重后

$$L=\alpha_0\sum_{i\in C_0}(Ax_i-y_i)^2+\alpha_1\sum_{i\in C_1}(Ax_i-y_i)^2$$

,这里$i\in C_0$表示数据点$(x_i,y_i)$在class 0中。$\alpha_0,\alpha_1$是两个类各自的权重。

线性模型$Ax$并没改变，所以在测试时，还是用原始的$x_{test}$。

两种解决办法：

1、对样本上采样or下采样

2、对少数类型样本loss加大权重，类似svm处理不均衡问题加大惩罚因子。

如果是比例特别大，可以划归到异常点检测问题，孤立森林之类的

这个是常规操作吧，过采样，欠采样或者smote，都可以让你的数据平衡

如果是决策树类的模型没有问题。