不平衡的训练数据是分类器的主要障碍 - 即将输入分类的机器学习系统。当语料库出现一类样本不成比例，分类器自然会比其他类型更频繁地对它进行训练，导致模型在新数据上推理正确率降低。不过，亚马逊 Alexa 部门的研究人员表示，他们已开发出一种技术，可以将某些数据不平衡系统的错误率降低多达 30％。他们在最近发表的一篇论文（「用于不平衡数据的罕见音频事件检测的深嵌入」）中描述了它，计划于今年春天在布莱顿举行的声学、语音和信号处理国际会议上发表。