是的，选择一个平衡的数据集是合理的，但是如果你这样做，你的模型可能会过度预测操作中（或测试集上）的少数类。这很容易通过使用不是 0.5 的阈值概率来克服。选择新阈值的最佳方法是优化验证样本，该样本与操作（或测试集中）遇到的类频率相同。

与其对数据重新采样，更好的做法是对训练标准中的正例和负例赋予不同的权重。这样做的好处是您可以使用所有可用的训练数据。类别不平衡导致困难的原因不是不平衡本身。更多的是您没有足够的少数类示例来充分代表其潜在分布。因此，如果您重新采样而不是重新加权，那么您正在通过使多数类的分布也被严重表示来解决问题。

有些人可能会建议简单地使用不同的阈值，而不是重新加权或重新采样。该方法的问题在于，使用人工神经网络优化隐藏层单元以最小化训练标准，但训练标准（例如平方和或交叉熵）取决于模型的行为如何远离决策边界而不仅仅是靠近决策边界。结果，隐藏层单元可能被分配给降低训练标准值的任务，但无助于准确分类。在这里使用重新加权的训练模式会有所帮助，因为它倾向于将注意力更多地集中在决策边界上，因此隐藏层资源的分配可能会更好。

对于参考，谷歌学者搜索“Nitesh Chawla”将是一个好的开始，他在这方面做了相当多的非常扎实的工作。