imbalance data - chaoyue520/XGBoost GitHub Wiki
数据不均衡问题
支付反欺诈业务中，正负样本多数情况是不均衡的，即正样本(Y=0)极多，而负样本(Y=1)极少。正负样本比例常常低于百分之一或千分之一，甚至更低。这种情况下使用决策树或者基于决策树的算法就会导致预测有偏差。解决方法如下：
-
正样本抽样，负样本保留
-
成倍扩展负样本
-
调参
考虑到单机版模型机器内存的限制，通常采用解决方法为第一种，即负样本保留，正样本抽样到均衡状态时再进行建模，最后再模型应用前先对模型score进行修正，具体修正方法参考。