您绝对可以在不平衡的数据集上训练模型，但这通常会导致性能下降。就个人而言，我总是这样做是为了衡量应用 SMOTE 或相关技术的效果。

在许多情况下，少数类的代表性样本太少而无法对其进行准确建模，从而导致所得模型的泛化性能较差。这就是 SMOTE 等方法试图纠正的方法。

在测试你的结果模型时，你不应该使用你的重新平衡集，因为这会引入偏差和各种其他令人讨厌的问题。您希望测试集与您的模型必须在野外处理的数据尽可能接近

为了更深入地阅读，我建议阅读以下论文：

He从不平衡数据中学习。