一般来说，对此没有硬性规定，但这个数据集似乎是平衡的。关于不平衡的一点是，您必须记住，模型的准确性将有不同的起点。为此，python 具有运行虚拟分类基线的功能。https://scikit-learn.org/stable/modules/generated/sklearn.dummy.DummyClassifier.html。这可以很好地指示您的基线是什么（如果您选择 most_frequent 的策略）。在您的情况下，任何始终预测 A 类的预测模型的准确度为： 17/(10+17) = 0,6296... ，因此任何得分低于此值的二进制分类都会非常糟糕

关于何时将数据集称为“不平衡”并没有严格的定义，但一般来说，这是不平衡可能导致模型出现问题的时候。通常问题是模型将使用多数类作为默认值，因为分配多数类不太可能是错误的：例如，如果数据由 99% 的 A 类和 1% 的 B 类组成，那么模型总是预测 A 将达到 99% 的准确率。

您的情况不会被称为不平衡：少数类占数据的很大一部分，因此模型不太可能忽略它。