我正在尝试创建出生缺陷数据的分类模型。目标是确定哪些父亲变量与前 5 种出生缺陷最相关。目标变量“缺陷”有 5 个缺陷类别：88、23、16、32、18，并且数据对于缺陷“88”高度不平衡。我的特征也是分类父亲变量，例如父亲的种族、教育程度、出生地、西班牙裔血统。
估计与出生缺陷患病率最相关的特征的最佳方法或模型是什么？ 哪种机器学习算法最适合这种场景？
您可以使用SMOTE（合成少数过采样技术）；关注 - 不平衡学习
简而言之； SMOTE 的工作原理是选择特征空间中接近的示例，在特征空间中的示例之间绘制一条线，然后在沿该线的一点绘制新样本。
具体来说，首先从少数群体中随机选择一个例子。然后找到该示例的 k 个最近邻居（通常 k=5）。选择随机选择的邻居，并在特征空间中两个示例之间随机选择的点创建合成示例。
来源：https://machinelearningmastery.com/smote-oversampling-for-imbalanced-classification/