Mất cân bằng lớp (Class imbalance) là hiện tượng số lượng mẫu dữ liệu của một hoặc một số lớp vượt trội hơn rất nhiều so với lớp khác trong tập dữ liệu huấn luyện.

• A. Có số lượng mẫu không đồng đều: Ví dụ, trong bài toán phát hiện gian lận thẻ tín dụng, số giao dịch hợp lệ (99.9%) lớn hơn rất nhiều so với số giao dịch gian lận (0.1%). Điều này làm cho mô hình có xu hướng thiên vị lớp đa số.
• B. Thiếu chất lượng của các mẫu: Đây là vấn đề về chất lượng dữ liệu (data quality/noise), không phải mất cân bằng số lượng lớp.
• C. Phương trình cân bằng phân cụm: Đây là thuật ngữ giả lập, không liên quan đến định nghĩa của vấn đề mất cân bằng lớp trong học máy có giám sát.

(Đáp án được gợi ý bởi AI)