宽对指的是一种用于解决数据不平衡问题的技术。
在机器学习领域中，有些数据集中存在着不同类别之间数量不平衡的情况，这会导致模型过于偏向数量较多的类别，而忽视数量较少的类别。
为了解决这个问题，可以采用宽对技术，它通过在训练过程中对数量较少的类别进行过度采样或者对数量较多的类别进行欠采样，以达到让各个类别的样本数量尽量接近的效果。
延伸：宽对技术是目前解决数据不平衡问题的主要方法之一，在实际应用中得到了广泛的应用。
除此之外，还有一些其他技术，比如类别加权、SMOTE等，用户可以根据具体的情况选择合适的方法来解决数据不平衡问题。
