El desbalance de clases ocurre cuando, en un problema de clasificación, una categoría es mucho más frecuente que otra —por ejemplo, en detección de fraude, donde la inmensa mayoría de transacciones son legítimas— lo que puede llevar a un modelo a simplemente predecir siempre la clase mayoritaria y aun así parecer muy preciso.
Por qué distorsiona la evaluación
Una precisión general alta puede ser completamente engañosa en un problema desbalanceado: un modelo que nunca detecta la clase minoritaria (la que en general más importa) puede tener una precisión del 99% simplemente porque esa clase representa solo el 1% de los casos.