数据挖掘中，利用机器学习算法解决二分类问题，数据样本分布极不平衡：好样本和坏样本之间的比率高达500：1，请问采用什么机器学习算法和数据采样方法，或者两者的可以解决这样的数据极不平衡问题？
两个办法，一个是通过复制的方式扩展坏样本，凑到和好样本一样多一个是修改损失函数，将坏样本识别为好样本（漏报）的权重远远大于误报（好样本识别为坏样本）的权重