我相信这个想法是使欺诈/“正常交易”的比率与银行在现实生活中遇到的比率相似。

如果你平衡它，一旦你将你的解决方案应用于现实世界的数据，你可能会有很多误报，如果这对你来说可以玩，那不是银行想要的，因为他们不能阻止太多“正常”交易或客户将更换银行。根据这篇文章（https://www.quora.com/How-many-transactions-do-typical-banks-process-everyday），仅万事达卡就代表每天 34 亿笔交易，想象一下如果每天的 1%每天被阻止的交易，这将代表 3400 万笔无正当理由被阻止的交易。

它与许多想要平衡数据集的分类问题不同，在这里你尝试检测异常，根据定义，它们是罕见的，所以它们在你的数据集中应该是罕见的。