1. 做classfication 时候一定要将label 取成是balanced的，也就是一比一的比例，因为如果不是一比一的比例的话，举个极端一点的例子：如果pos:neg label目前是9：1的比例，那么在模型学习的过程当中，它就会倾向性的选择将大家都分像9份的那一类（即使全部分过去的话，也有90%的精确度）。所以这样子学习出来的模型都带有一定的偏向性。最好是选择1：1的等分sample，再进入学习。
To Be Continue...
原文：http://www.cnblogs.com/xiaotu1617234/p/7191141.html