我一直在研究不平衡的学习问题，通常期望分类器过度偏向于多数类。但是，我很难识别类别不平衡确实是一个问题的数据集，此外，如果它实际上是一个问题，可以通过重新采样或重新加权数据来解决它。

任何人都可以给出真实世界（非合成）数据集的可重现示例，其中重新采样或重新加权可用于提高某些特定分类器系统的准确性（或等效的误分类错误率）（根据最佳实践应用时） ?

我只对作为性能指标的准确性感兴趣。有些任务的准确性是应用程序中感兴趣的数量（例如，请参阅我对相关问题的回答），所以如果没有离题到正确的评分规则或其他性能度量的主题，我将不胜感激。

如果操作类频率与训练集中的频率不同或错误分类成本不相等，则不是类不平衡问题的示例。对成本敏感的学习是一个不同的问题。