通过 Rashomon 效应研究平衡方法对预测多样性的影响，发现平衡方法会增加预测多样性并产生不同结果。为了在建模过程中负责任地监控性能和预测多样性之间的权衡，我们提出使用扩展性能增益图进行模型选择。

Mar, 2024

我们提出了一种平衡训练方法，通过衍生用于平衡训练阶段的新丢失，有效改善任何类型的不平衡学习方法的性能，从而解决了数据不平衡问题。我们的实验结果表明，所提出的损失优于现有的基于成本的损失方法。此外，我们的损失并不限于特定任务、模型或训练方法，因此可以轻松地与其他最近的重新采样、元学习和基于成本的学习方法结合使用以解决类别不平衡问题。

Oct, 2021

机器学习中公平性或鲁棒性的失败可能源于协变量、结果和辅助因素之间的不希望的依赖关系。数据平衡是缓解这些问题的常见策略，但往往无法选择性地消除任务的因果图中的不希望依赖关系，导致多种失败模式，甚至干扰正则化等其他缓解技术。因此，在进行数据平衡之前，考虑因果图是非常重要的。

Jun, 2024

本文通过比较分析 40 个来自不同应用领域的数据集，研究了不平衡数据分类的各种因素对过采样和欠采样技术的有效性的影响，提出了基于性能度量的自动最优采样策略选择模型，可以在不同领域中选择最合适的方法。

Dec, 2021

在这项研究中，我们确定了线性分类器（支持向量机）在高维度情况下的泛化曲线的确切分析表达式，并对于数据的类别不平衡性、数据的第一和第二时刻以及所考虑的性能指标的影响给出了锐利的预测。我们表明，涉及数据的欠采样和过采样的混合策略会提高性能。通过数值实验，我们展示了我们理论预测在真实数据集、更深层次的架构和基于无监督概率模型的采样策略上的相关性。

May, 2024

本文研究了 AudioSet 这个数据集中类别不平衡的问题，发现使用数据集平衡技术虽然可以提高在公共数据集上的性能，但是对于未发布的数据集表现的提高是不稳定的。作者还没有发现证据表明平衡相对于常见类的性能改善比对罕见类更好，因此，呼吁不要盲目采用平衡技术，并非常谨慎地对待公共评估集上的微小性能提升。

Jun, 2023

通过研究数据的预处理、特征选择技术和模型选择对机器学习模型在基因数据集上的性能进行了调查，发现在回归任务中，异常值或偏斜的预测变量和目标变量对模型性能没有造成挑战；而分类任务中，类别不平衡的目标变量和偏斜的预测变量对性能几乎没有影响。随机森林是解决类别不平衡回归任务的最佳模型。尽管该研究以基因数据集为例，但其发现可推广到任何类似数据集。

Feb, 2024

通过分析回归问题中样本分布的不平衡导致的模型倾向于忽视不常见数据且过度关注常见目标的问题，我们提出了回归问题中不平衡的首次定义，并展示其为分类中常用的不平衡度量的推广。通过这一工作，我们希望引起人们对回归不平衡问题的关注，并为未来的研究提供共同的基础。

Feb, 2024

分类问题中存在类别不平衡的情况，而数据又是为了提高准确性而设计的，类别不平衡可能导致几个类别的错分代价更高，本文综述了不平衡数据分类领域的研究，讨论了数据层方法、算法层方法和混合方法等三个主要方面，并总结分析了现有方法的问题、算法思想、优势和劣势，另外还讨论了类别不平衡数据分类的挑战与解决策略，方便研究人员根据实际需求选择适用的方法。

Oct, 2023

本文介绍一种新的基准来研究不同的自动机器学习方法如何受标签不平衡的影响。其次，提出了更好地处理不平衡的策略并将它们整合到现有的自动机器学习框架中。最后，对这些策略的影响进行了系统研究，发现它们的加入显著增强了自动机器学习系统对标签不平衡的鲁棒性。

Nov, 2022