對於分類問題，如果類變量分佈不均，我們應該使用哪種技術？

例如。如果我有一個類別變量信用評分，分為好和壞兩個類別，其中 #(good) = 700 和 #(bad)= 300。我不想縮短我的數據。我應該使用哪種技術？我使用的是 SVM，但它在預測中給出的都是壞的。

您的班級樣本量似乎並沒有那麼不平衡，因為您在少數班級中有 30% 的觀察結果。在您的情況下，邏輯回歸應該表現良好。根據進入模型的預測變量的數量，您可能會考慮對參數估計進行某種懲罰，例如 ridge (L2) 或 lasso (L1)。有關非常不平衡類問題的概述，請參閱 Cramer (1999), The Statistician, 48: 85-94 ( PDF )。

我不熟悉信用評分技術，但我發現一些論文建議您可以將 SVM 與加權類一起使用，例如Support Vector Machines for Credit Scoring: E​​xtension to Non Standard Cases。作為替代方案，您可以查看使用 CART 或隨機森林的提升方法（在後一種情況下，可以調整採樣策略，以便在構建分類樹時表示每個類）。Novak 和 LaDue 的論文討論了GLM 與遞歸分區的優缺點。我還發現了這篇文章，Hand 和 Vinciotti 撰寫的具有不平衡班級規模的記分卡構造。

引用自：https://stats.stackexchange.com/questions/2131