тренінгові підходи для сильно незбалансованого набору даних

У мене сильно незбалансований набір даних тесту. Позитивний набір складається з 100 випадків, тоді як негативний - 1500 випадків. Що стосується тренінгу, у мене є більший пул кандидатів: позитивний навчальний набір має 1200 випадків, а негативний навчальний набір - 12000 випадків. Для подібного сценарію у мене є кілька варіантів:

1) Використання зваженого SVM для всього навчального набору (P: 1200, N: 12000)

2) Використовуючи SVM на основі вибіркового навчального набору (P: 1200, N: 1200), 1200 негативних випадків відбираються з 12000 випадків.

Чи є теоретичні вказівки щодо вирішення того, який підхід кращий? Оскільки набір даних тесту є сильно незбалансованим, чи слід використовувати і незбалансований навчальний набір?

З недавнього допису на reddit, відповідь данихpraxis буде цікавою.

редагувати: згаданий документ - Хайбо Хе, Едвард А. Гарсія, "Навчання з незбалансованих даних", транзакції IEEE з питань знань та інженерії даних, стор. 1263-1284, вересень, 2009 (PDF)

Логістична регресія, що розширюється в парі, навчання на основі ROC, підсилення та перенесення (агрегування Bootstrap), ансамбль кластерів на основі посилань (LCE), Байєсова мережа, Найближчі центральні класифікатори, Байєсова техніка, Зважений грубий набір, k-NN

і багато методів вибірки для усунення дисбалансу.