1、类别不平衡会造成什么？ 分类器学习不平衡。由于正负样本比例不同，造成分类器为了达到较高的分类精度，会侧重于学习样本数多的一方，造成小样本分类误差提高。例如，98个正例，2个负例，则分类器会侧重学习正例的隐含关系，而负类学习程度与否对最终的精度影响都很小。kappa系数可以降低类别样本数不平衡引起的精度偏差。 2、训练集和验证集为什么要保持数据分布一致？ 不一致会造成精度不稳定。例如上例，验证集若包含49个正例，2个反例，则评价精度应该与训练精度差不多。可若验证集为一半正例，一半负例，会造成精度降低。但是若两个数据集都能代表总体样本类别的比例，则最后的精度会更加偏向真实精度。 3、验证集应该如何选取？ （1）留出法，例如对于小样本，通常70%训练，30%验证。分层采样保持类别比例一致。 （2）交叉验证法，常用10次10折验证。随机分割10个子集，按照9：1分别验证精度，并随机分10次。 和留1法 （3）自助法。原本应该用所有样本去训练模型。
