目前，我在ML上担任数据科学家的职位。我的问题如下，是否可以直接从MySQL数据库训练算法，并且与您从CSV文件训练它的方式相似。此外，我想知道您是否正在处理非常不平衡的数据集。当您使用0.2％的数据进行测试时，它是否将培训中的负和正病例和测试的阳性案例比例分为同等比例。有人可以向我提出一个好教程或文档吗？
确保可以直接从数据库训练模型。这就是生产系统中发生的事情。您的软件应该是设计的，无论您的数据源是SQL，CSV还是其他任何内容都没有关系。正如您不提到编程语言时，很难说，如何做，但是在Python中，您可以在这里查看：我如何连接到Python中的MySQL数据库？
如果您的数据集是不平衡的，就像实际上一样，您可以使用班级权重使分类器意识到这一点。例如。在keras/sci-kit中，您可以通过class_weights参数。请注意，如果您的数据集太小，则可以遇到具有默认度量等诸如准确性之类的问题。最好看一下混淆矩阵或其他指标，例如Matthews相关系数
另一个很好的参考：Scikit-Learn中的class_weight参数如何工作？