Classification 复制数据是修正偏差的有效方法吗？

我正在读一篇工程领域的论文。他们有一个带有标签的数据集，这是有偏见的。标记为A的实例比标记为B的实例多得多。他们希望训练分类器根据一些输入（状态）预测A或B标签

作者说：

为了更好地解决这个问题，将B状态的随机副本合并到数据集中，以平衡批次

---

我对数据分析了解不多，但我觉得这听起来不太正确。是吗？

这种数据通常称为不平衡数据。作者所说的处理不平衡数据的方法是正确的，我们需要添加一些重复，以作为平衡数据（但不是随机添加，而是查看数据模式并添加数据）。有许多算法和方法来处理不平衡分类，只是通过这个它可能会帮助你

---

谢谢！这就是我要找的。我想我的问题是我在寻找关键词“有偏见”而不是不平衡。