極端類別不平衡下的模型訓練方案

2026 年 11 月 1 日，掘金上一位作者發表了一篇題為《正樣本幾萬、負樣本個位數：極端類別不平衡怎麼訓模型》的文章，針對正負樣本數量懸殊的極端類別不平衡場景，給出了一套訓練方案並附可執行程式碼。文章指出，在這種資料分佈下若直接訓練，模型會全部預測為正類，accuracy 達到 99.97% 卻漏掉所有少數類樣本。

為此，作者提出的四步方案是：把評估指標換成 PR/F1、使用加權損失、對訓練集做 SMOTE 過取樣、調低分類閾值。目前尚無後續報道，該方案停留在這篇文章的框架內。