真实面经题目 · 原创解析
在样本不平衡问题中，除了修正数据集，还能有哪些方法？
样本不平衡除了修正数据集，还可以从损失函数、样本权重、阈值移动、指标选择、模型集成、概率校准和业务决策成本入手。回答要说明不同方法解决的是训练偏差、预测阈值还是评估偏差。
01
60 秒回答模板
除了过采样和欠采样，我会考虑：给少数类更高 class weight 或 sample weight；使用 focal loss、cost-sensitive loss 等让难样本和少数类更重要；调整分类阈值而不是固定 0.5；使用 PR-AUC、Recall、F1、混淆矩阵和业务成本评估；做概率校准和分桶分析；必要时用集成、异常检测或两阶段召回模型。核心是把少数类识别能力和误判成本一起优化。
考点 指标先换
难度 算法岗真实面经题
回答目标 讲清方法、取舍和追问
02
深入解析
先换评估视角
不平衡问题下 accuracy 往往没有意义，模型可能全预测多数类也得高分。应优先看 PR-AUC、Recall、Precision、F1、混淆矩阵、Top-K 命中和业务成本。
调整训练权重
class weight、sample weight 和 cost-sensitive loss 可以提高少数类错误的惩罚，让模型训练时更关注少数类。权重不是越大越好，需要在验证集上平衡误报和漏报。
改损失函数
focal loss 会降低易分类样本的权重，让模型关注难样本；加权交叉熵适合类别比例悬殊但标签可靠的场景。不同损失函数要结合噪声水平选择。
移动分类阈值
模型输出概率后，业务阈值可以按 Recall、Precision、F1、收益成本或风险等级选择。很多不平衡场景的关键不是模型结构，而是阈值策略。
模型和业务策略
还可以用两阶段模型先高召回筛候选，再精排；或对极少数异常类使用异常检测。线上需要概率校准、分桶监控和人群稳定性检查。
03
易错点
- 不要只回答重采样，题目已经问了除了修正数据集还有什么。
- 不要用 accuracy 证明模型效果好。
- 不要把类别权重调得过大，噪声少数类会被放大。
- 不要忽略阈值和概率校准，训练好模型不等于业务决策最优。
04
面试官追问
class weight 和过采样有什么区别？
class weight 改变损失贡献，不复制样本；过采样改变训练数据分布，可能增加少数类曝光但也更容易复制噪声。
focal loss 适合什么情况？
适合大量易分类多数类样本压倒训练的场景。它降低易样本权重，让模型更关注难样本和少数类。
阈值怎么定？
根据验证集上的业务成本、Precision-Recall 曲线、F1 或召回目标选择，并在线上持续监控误报和漏报。
