一句话定义：过采样（Oversampling）和欠采样（Undersampling）是应对类别不平衡的两种采样手段——前者增加少数类样本，后者削减多数类样本，目的都是让训练时的类别比例更均衡。
为什么需要它：假设你在做交易反欺诈，一万笔里只有十笔是欺诈。模型哪怕无脑全判"正常"，准确率也有 99.9%，看上去漂亮，实际上一次欺诈都没抓到。这就是类别不平衡：多数类样本把损失函数"喂饱"了，模型没有动力去学少数类。
打个比方：模型是个备考的学生，题库里 9999 道普通题、10 道压轴题。过采样就是把那 10 道压轴题复印一百份塞回题库，逼他多练；欠采样则是把普通题抽掉九成，让压轴题在总题量里占上分量。
关键提醒就在这里：复印卷子并没有教给学生任何新知识。过采样改变的是类别比例这个"权重"，不是信息量本身。那 10 道题的解法还是 10 种，只是重复出现让模型更重视。如果只是机械复制，模型很容易把这几道题连同噪声一起背下来——训练集上少数类召回率飙升，换个稍微不同的欺诈手法就失灵，这就是典型的过拟合。
所以实践中更常用 SMOTE（Synthetic Minority Over-sampling Technique）这类合成方法：不是复印，而是取两个真实少数类样本，在它们之间"插值"造一个相近但不完全相同的新样本，相当于让几个学生各自改改题干。代价是合成样本仍落在原有样本附近的区域，真实世界里没被采样到的那片空间依然覆盖不到。
欠采样的毛病则是反过来的：扔掉多数类样本，模型就没见过那么多正常交易长什么样，容易把正常行为误判成欺诈。
| 过采样 Oversampling | 欠采样 Undersampling | |
|---|---|---|
| 做法 | 增加少数类样本 | 减少多数类样本 |
| 主要风险 | 复制导致过拟合、训练变慢 | 丢信息，多数类分布被削薄 |
| 较适合 | 少数类样本本身不太少 | 数据量大、多数类高度冗余 |
和相邻概念的区别：采样动的是数据；代价敏感学习（class weighting）和阈值调整动的是损失权重与判决门槛，一个样本都不增删，往往成本更低、更该先试。数据增强（data augmentation）也造新样本，但目标是扩充整体多样性（旋转图片、换同义词），不专门冲着类别比例去。
实际意义：第一，采样只在训练集上做，验证集和测试集必须保持真实分布，否则评估出来的指标是虚的。第二，动手前先调类别权重和分类阈值，常常已经够用。第三，真要过采样，优先合成而非复制，并且留意少数类样本本身的标签质量——把错标样本复制一百遍，等于把错误放大一百倍。具体工具的参数和行为，以官方文档为准。