Hầu hết các giám sát các thuật toán học làm việc tốt khi các số liệu đào tạo được cân bằng, ví dụ, khi nó có chứa khoảng cùng một số ví dụ từ mỗi lớp. Trong sự hiện diện của các tập dữ liệu không cân bằng, các kỹ thuật như undersampling của lớp biểu nhất, oversampling của lớp đại diện cho ít nhất, và các kỹ thuật tương tự khác thường được áp dụng [45, 15]. Tuy nhiên, trong trường hợp của các vấn đề hai lớp mà một trong các lớp học của các đối tượng là cũng lấy mẫu, trong khi một trong những khác là undersampled nghiêm trọng hoặc không được đại diện (ví dụ, do thực tế rằng nó là quá khó khăn hay tốn kém để có được một ý nghĩa số mô hình đào tạo cho lớp đó), resampling các số liệu có thể không cải thiện hiệu suất và có thể thậm chí không thể. Trong trường hợp này, các phương pháp phân loại một lớp có thể được áp dụng.
đang được dịch, vui lòng đợi..