类不平衡
数据
算法
。。。决策后补偿，
决策后修改，修改分类面，通过类不平衡率，或者经验。
贝叶斯决策，采用ir修正，称为最小风险贝叶斯。
BP神经网络，使用阈值移动。
支持向量机，
集技术
Bagging袋装
1996年，并行式。bootstrap（自举法）
这儿的公式不理解：每固定一个样本，总样本量应该固定了，括号里面的m应该保持不懂，变的是幂。在这里插入图片描述
投票法决策。训练了n个基本分类器。根据结果统计归类。
？？？若两两之间不同，需要多少全覆盖数据？？？
即应该训练多少个基本分类器。
算法没有指明的参数：
抽样个数？分类器？