摘要
类别不平衡仍然是机器学习中的一个核心问题，因为稀少类别往往是科学、临床、金融或业务运营中的关注事件。然而，相关文献在采样、代价敏感学习、集成方法、表示学习、现代生成式增强以及长尾学习等领域间各自为政。本结构化批判性综述从经验类别先验与数据分布的双重视角，审视了上述各类方法族。它区分了改变各类别相对频率的干预措施与改变类条件分布（即各类别内特征值的分布方式，包括少数类支撑集、局部密度和类别重叠）的干预措施。它还考察了影响训练过程中信息保留、学习目标、决策边界或预测概率校准的干预措施，以及训练与部署之间的分布变化。本综述基于一个包含470条文献记录的文档库，并通过反向引用追踪和有针对性的检索来弥补所识别的缺口。经典方法包括合成少数类过采样技术（SMOTE）、编辑法、平衡随机森林（Balanced Random Forest）、EasyEnsemble和随机欠采样提升（RUSBoost），与焦点损失和类别平衡损失、logit调整、解耦训练、生成对抗网络（GAN）/变分自编码器（VAE）/扩散模型合成、语言模型表格数据生成、图方法、联邦学习以及领域偏移等方法建立了联系。综合分析识别出六种反复出现的失效机制：先验扭曲、合成重叠、少数类噪声放大、高维邻域不可靠、校准失准以及评估泄露。本文呈现了代表性方法背后的假设，并通过干预图谱和条件选择矩阵，将证据转化为诊断方案、匹配的基线方法以及无泄露的验证要求。所得指导建议将方法选择与训练期间观察到的类别先验及部署时预期类别先验、少数类样本数量及其类条件分布、类别重叠程度、标签结构，以及所需输出是排名、类别决策还是校准概率联系起来。
