由于存在如此严重的不平衡和两个类别（似乎），您可以将其更多地视为异常值检测问题。您应该阅读该方向的模型和算法！

如果您继续使用传统分类，您需要平衡数据集，请考虑使用 SMOTE 等方法。

根据您的数据大小，我通常建议对多数类进行下采样，以避免产生“合成”案例，但 SMOTE 等高级方法基本上会为您处理这个决定。

你能详细说明你的第一个问题是什么意思吗？分类算法需要 0/1 标签，因此输出分数不能按照您提到的方式排序。一些分类算法会给出概率分数而不是预测标签，所以如果这就是你的意思，我可以告诉你，不平衡仍然是一个问题。

参考以前的答案和博客文章（我知道这不是那么相关，因为数据比你的更平衡），我认为你的第一种方法应该是不处理不平衡，如果你对结果感到满意，无需努力寻求平衡的解决方案。

与许多 ML 主题一样，最好的方法是尝试，我建议您将博客文章中的实验适应您的数据。

但是，对您的问题的更具体的答案：

1. 我认为平衡通常会弄乱你的分类器在训练数据上的校准，所以如果你需要校准预测，我会提倡不使用平衡。如果你不关心校准，平衡也不错。
2. 根据我的经验，欠采样比过采样要好。欠采样或过采样的量可以是要调整的超参数。

一些 Python Sklearn 模型有这个选项：class_weight="balanced"。通过这种方式，您可以向算法指定您的数据是不平衡的，并且它会自行进行更改。您可以在几个模型上尝试此操作，与在同一问题中使用下采样多数类技术相比，我使用此选项获得了更好的结果