如何提高机器学习算法的召回率？（尤其在样本集不平衡时）
机器学习中，正负样本比例差距大，导致分类效果差的理论依据是什么？怎么解决正负样本不均衡问题？
数据集样本类别不均衡时，训练测试集应该如何做？
以下那些分类算法可以较好地避免样本不平衡问题A KNN BSVM C Bayes D神经网络 答案选A，求解释 KNN只是取了最近的几个2113样本点做平均而已5261，离预测数据4102较远的训练数据对预测结果不会1653造成影响，但是svm、Bayes和NN每一个训练样本果都会对预测结果产生影响，于是如果样本不平衡的话KNN的效果最好，举个极端一点例子：答案只有A与B，但是训练样本中A的个数占99%，而B只有1%，svm、Bayes和NN训练出来的结果，恐怕预测任何数据给出的答案都是A，但是KNN不会。
