欧阳胖胖

SMOTE（Synthetic Minority Over-sampling Technique）是一种基于 K 近邻的过采样方法，它可以根据少数类样本之间的距离，

随机过采样（Random Over Sampling）是最简单的过采样方法之一，它从少数类样本中随机选择样本进行复制，以增加数据集中少数类样本的数量。

Edited Nearest Neighbors (ENN) 是一种基于 KNN 的欠采样方法，它通过移除多数类样本中与少数类样本相似度较低的样本，来实现数据平衡。

Neighborhood Cleaning Rule（NCR）欠采样是一种基于近邻的欠采样方法，它通过找到离少数类样本最近的多数类样本，并根据它们之间的距离来删除部分多数类样本，以达到类别平衡的目的。

One-Sided Selection（一侧选择）是一种欠采样方法，它是结合了 Tomek links 欠采样和 KNN 欠采样的思想。

重心欠采样（Centroid Under-Sampling）是一种基于聚类的欠采样方法。该方法通过找到多数类样本的聚类中心，然后删除距离聚类中心最近的一些多数类样本，以达到平衡数据集的目的。

Tomek links 欠采样是一种欠采样方法，其思想是删除在 Tomek links 中较多的多数类样本，以使得多数类样本数量与少数类样本数量相近。

随机欠采样（Random Under-Sampling）是最简单的欠采样方法之一，其思想是从多数类样本中随机删除一些样本，使得多数类样本数量与少数类样本数量相近。

标签平衡处理是针对不平衡的数据集，通过对标签进行处理来平衡不同类别样本的数量。常见的标签平衡处理方法包括欠采样和过采样两种。