您可以通过简单地复制少数类示例来对它们进行过采样，或者您可以使用SMOTE算法（ R 中的DMwR包，函数 SMOTE），该算法生成合成少数类示例，同时对多数类进行下采样。由于您有相当多的案例，因此下采样不应导致过多的概念丢失，但是当然，您仍然会丢失一些信息，这并不理想。

请注意，正如分析师已经提到的那样，1300 个少数案例是相对稀有的，但不是绝对稀有的。也就是说，如果少数类由强概念表示，那么您的分类器应该能够挑选出来（有关绝对和相对稀有性的详细讨论，请参阅本文）。因此，也许您的预测器一开始就不太擅长区分类别，或者您可能有一些概念重叠，这使得学习变得困难。

另外，您使用的是哪种学习算法？例如，Stochastic Gradient Tree Boosting 与 Random Forests 相比，对相对类别不平衡的敏感度要低一些（因为重点逐渐放在了错误分类的案例上）。对于随机森林，已经开发了两种策略来应对类不平衡，它们涉及重采样和加权。Boosting 也引入了一些在精神上类似的方法（例如）。

编辑：添加参考（以防将来链接失效）：

Chawla，Nitesh V.，等人。“SMOTE：合成少数过采样技术。” 人工智能研究杂志（2002）：321-357。

韦斯，通用汽车 (2004)。稀有采矿：一个统一的框架。ACM SIGKDD 探索通讯，6(1)，7-19。

Chen、Chao、Andy Liaw 和 Leo Breiman。“使用随机森林学习不平衡数据。” 加州大学伯克利分校（2004 年）。

孙艳民，等。“用于不平衡数据分类的成本敏感提升。” 模式识别 40.12 (2007): 3358-3378。

你没有告诉我们你的分类方法和你的数据集特征。如果您使用任何其他需要很长时间来训练和调整的方法，我建议您使用成本敏感型学习。过采样增加了训练的负担而没有增加太多的回报，这很简单。另一方面，到目前为止，欠采样并没有给我留下深刻印象。您还可以研究矢量量化。尝试一系列策略并找到适合您的数据的方法......