大数据时代已经到来,大数据的出现使得传统的机器学习算法无法在单机环境下完成训练。分类是机器学习和数据挖掘领域中最基本的学习任务,传统的分类算法都是在假设所处理的数据为平衡数据的前提下设计的,但在许多实际应用中,需要处理的数据常为非平衡数据。因此,研究非平衡数据分类问题,特别是大数据环境下的非平衡数据分类问题,具有重要的理论及应用价值。在非平衡问题中,根据处理数据所包含的类别数,可以将非平衡问题分为两类非平衡分类问题和多类非平衡分类问题。本文主要研究大规模数据环境下的两类非平衡分类问题,提出了基于MapReduce和Spark并行计算框架下的两种解决方案。具体地,本文工作主要包括以下四部分:(1)研究了X-means算法在大数据环境下的并行化问题,提出了基于MapReduce和Spark的大规模X-means自适应聚类算法。在两类非平衡大数据分类中,将负类大数据看作无类标数据集合,通过大规模X-means自适应聚类算法,自适应地对负类大数据进行聚类。(2)提出了基于MapReduce和Spark的大规模压缩模糊K-近邻算法。将大规模X-means算法得到的聚类结果视作有类标的数据集,使用大规模压缩模糊K-近邻样例选择算法,对负类样例进行下采样,减少负类样例个数。(3)将通过下采样后的每个负类簇与正类样例合并,构成多个训练集。若训练集仍是非平衡数据集,则使用上采样方法对正类样例进行上采样,构成平衡训练集,并在平衡的训练集上训练分类器。使用模糊积分方法对不同训练集训练出的分类器进行集成,得到最终的分类结果。(4)在7个两类非平衡大数据集上,对基于MapReduce和Spark的两类非平衡大规模分类算法进行了相关指标的比较,并与其它算法进行了比较,实验结果表明,本文提出的算法是行之有效的。