我建议你使用 libsvm，它已经实现了可调整的类权重。不是复制训练样本，而是修改 SVM 优化中不同类别的 C 参数。例如，如果您的数据有 2 个类别，而第一个类别仅占数据的 10%，则您可以选择类别 1 和 2 的类别权重分别为 10 和 1。因此，第一类的边际违规将比第二类的边际违规成本高出 10 倍，并且每类的准确性会更加平衡。

我不是使用 SVM 的出口，但通常（如果您使用的是 Pythonscikit-learn或 R 之类的机器学习库libsvm，则分别有class_weight参数 or class.weights。

_{或者，如果您使用贝叶斯分类器，您将通过“先验（类）概率”P(ω j} )考虑这种“偏斜”

关于这种方法，带有 RBF 内核的 SVM 做得很好，但是 SVM 可能会因大对象大小而变慢，除非您使用 CV，例如每个折叠随机分配十分之一的数据。但是，您有没有问过自己为什么首先要使用 SVM？

您是否尝试过多元线性回归， $\mathbf{Y}=\mathbf{X}\boldsymbol{\beta}$, 其中每条记录 $\mathbf{Y}$ 被编码 $y_{ij}=+1$ 如果 $i$th 对象在类中 $j$， 和 $y_{ij}=-1$否则？如果使用线性回归的分类准确度相当高，那么您的数据是线性可分的，不需要更复杂的方法，例如 SVM 和 ANN。第 2 步将证明 k-最近邻、朴素贝叶斯、线性（Fisher）判别分析、多分逻辑回归等会崩溃并失败。

对于术语，您可能会在“某些类中对象的比例较低”或“类大小接近零”的背景下提出更多类权重的问题。偏斜往往用于描述特征值的分布，如偏斜、肥尾等。

你有多少功能？在尝试使用 SVM 进行监督分类（类预测）之前，您是否尝试过对 100,000 个对象进行无监督聚类（类发现）？也许这 100,000 个对象可以分为少于 50 个的类，新的类成员可以在分类分析期间用作目标类。这可以缓解班级规模接近于零的问题。

在使用带有 Rbf 内核的 SVM 时，我曾多次遇到过这个问题。使用线性内核而不是 Rbf 内核解决了我的问题，但我处理的类数量较少。使用线性内核，结果偏差较小且更准确。希望这能解决您的问题。

编辑：虽然我写了原始答案，但我很天真，没有考虑将这些类加权为其中一个正确回答。此外，在使用 rbf 内核时，确保惩罚参数或 sklearn 的 svm 模块中的“C”值过于通用也很重要。我发现 C=1 的默认值在大多数情况下过于通用，我通常最终得到 C=10000 的值。希望这可以帮助其他使用 svm(rbf) 获得偏斜结果的人，尽管它们在数据中具有良好的类分布。