如果不同类别的训练样例数目稍有差别，通常影响不大，但若差别很大，则会对学习过程造成困扰。例如有998个反例，但正例只有2个，那么学习方法只需返回一个永远将新样本预测为反例的学习器，就能达到99.8%的精度；然而这样的学习器往往没有价值，因为它不能预测出任何正例。
类别不平衡(class-imbalance)就是值分类任务中不同类别的训练样例数目差别很大的情况。不是一般性，本节假定正类样例较少，反类样例较多。在现实的分类任务中，我们经常会遇到类别不平衡，例如在通过拆分法解多分类问题时，即使原始问题中不同类别的训练样例数目相当，因此有必要了解类别不平衡性处理的基本方法。
从线性分类器的角度讨论容易理解，在我们用y=w^{T} w b 对新样本x进行了分类时，事实上在用预测出的y值与一个阈值进行比较，例如通常在y>0.5时判别为正例。y实际上表达了正例的可能性，几率y/(1-y)则反映了正例可能性与反例可能性之比值，阈值设置为0.5恰表明分类器认为真实正、反例可能性相同，即分类器决策规划为：
若y/(1-y) > 1则，预测为正例 (1)
然而，当训练集中正、反例的数目不同时，令m^{ } 表示正例数目，m^{-} 表示反例数目，则观测几率是m^{ } / m^{-} ，由于我们通常假设训练集是真实样本总体的无偏估计，因此观测几率就代表了真实几率。于是只要分类器的预测几率高于观测几率就应判定为正例，即，若 frac{y}{1-y}>frac{m^{ }}{m^{-}} 则 预测为正例。
但是，我们的分类器是基于式(1)进行比较决策，因此，需对其预测值进行调整，使其基于式(1)决策时，实际上是在执行式(2)，要做到这一点很容易，只需令frac{y^{prime}}{1-y^{prime}}=frac{y}{1-y} times frac{m^{-}}{m^{ }}
这就是类别不平衡学习的一个基本决策------"再缩放"(rescaling)。
再缩放的思想虽简单，但实际操作却不平凡，主要是因为“训练集是真实样本总体的无偏采样”这个假设往往并不成立，也就是说，我们未必能有效地基于训练集观测几率来推断出真实几率。现有技术大体有三类：
- 第一类是直接对训练集里的反类进行“欠采样(undersampling)"，即去除一些反例使得正、反例数目接近，然后再进行学习；
- 第二类是对训练集里的正类样例进行“过采样(oversampling)”，即增加一些正例使得正、反例数目接近，然后再进行学习；
- 第三类则是直接基于原始训练集进行学习，但在用训练好的分类器进行预测时，将式(3)嵌入到其决策过程中，称为“阈值移动”(thresholding-moving)。
欠采样法的时间开销通常远小于过采样法，因为前者丢弃了很多反例，使得分类器训练集远小于初始训练集，而过采样法增加了很多正例，其训练集大于初始训练集。需注意的是，过采样法不能简单地对初始样本进行重复采样，否则会招致严重的过拟合；过采样法的代表性算法SMOTHE是通过对训练集里的正例进行插值来产生额外的正例。另一方面，欠采样法若随机丢弃反例，可能丢失一些重要信息；欠采样法的代表性算法EasyEnsemble则是利用集成学习机制，将反例划分为若干个集合供不同学习器使用，这样对每个学习器来看都进行了欠采样，但在全局来看却不会丢失重要信息。值得一提的是，“再缩放”也是“代价敏感学习”(cost-sensitive learning)的基础，在代价敏感学习中将式(3)中的m^{-} / m^{ } 用operatorname{cost}^{ } / operatorname{cost}^{-} 代替即可，其中cos ^{ } 是将正例误分为反例的代价，operatorname{cost}^{-} 是将反例误分为正例的代价。
