平衡多实例学习与不平衡类的数据

问：

平衡多实例学习与不平衡类的数据

问题陈述（简体）：

我有一个 CSV 文件，其中每行都标记为 A 类或 B 类，A 类有 906 个实例，而 B 类有 255 个实例。我想使用此多实例学习 （MIL） 分类器 https://github.com/garydoranjr/misvm 进行分类。但显然数据非常不平衡。

其他详细信息：

我正在对特定活动的时间序列模式进行分析，特别是大脑活动。CSV 文件中的每一行表示单个实例的 5 秒窗口。实验的总持续时间为“n”秒，产生大约“n/5”个 5 秒的窗口，它们之间有 1 秒的偏移（如果不熟悉此概念，请忽略）。因此，CSV文件中的总行数大致计算为：

总行数 = 906 * （n/5） + 255 * （n/5）

问题：

我正在考虑将 B 类的行复制一定次数（例如，3 次）以平衡数据集。这是一个有效的方法吗？也请告诉我是否有其他方法可以解决这种问题？提前致谢！