直观地说，数据不平衡的问题可以这样理解：如果一个分类器不确定如何对一个实例进行分类，但它知道大多数实例属于 X 类，那么只要有疑问，预测 X 类总是最好的决策。结果，分类器不可避免地过于频繁地分配类别 X，因为所有“不确定”案例最终都被标记为多数类别 X。

因此，首先重要的是要了解重采样不会自动“治愈”不平衡数据：

• 重采样并没有为分类器提供更多信息，它只是以不同的方式呈现，以迫使分类器更多地关注少数类。
• 在数据容易分离的情况下，分类器可以在不重新采样的情况下做得非常好。这意味着只要有可能，最好改进特征而不是使用重采样，因为这实际上可以帮助分类器完成其工作。

话虽如此，在某些情况下，重采样是一种有用的技术。假设少数类的标准选择为正类，重采样只会以牺牲精度为代价增加召回率：如上所述，当分类器无法轻松预测实例的类时，就会出现差异。在这种情况下，它有两种选择：

• 分配负多数类：更可能是正确的（True Negative），False Negative 错误的风险很小。
• 分配正少数类：更可能不正确（假阳性），小概率正确（真阳性）

如果不重新采样，分类器倾向于第一个选项，因此它几乎没有 FP 错误，但有很多 FN 错误。因此，它可以具有相当高的精度，但召回率很低。

通过重新采样，类是相等的，因此分类器不再支持第一个选项。因此，它产生的 FN 错误更少，但 FP 错误更多，这意味着它以牺牲精度为代价增加了召回率。