处理不平衡的数据集和交叉验证

Question

我有一组脑肿瘤，700例恶性肿瘤和225例良性肿瘤的数据。我想使用SVM建立分类模型，以便根据我拥有的数据对肿瘤类型进行分类。 我的第一个问题是，它是否被认为是不平衡的数据集？如果是这样，我是否应该对恶性类进行欠采样？

此外，使用以下代码对我的数据集进行交叉验证是否正确？ 注意：组=实例的标签向量（从恶性0到良性1依次排序）       data =实例的数据特征矩阵

k=10;
cp = classperf(groups); 
cvFolds = crossvalind('Kfold', groups, k);   
 for i = 1:k                                 
  testIdx = (cvFolds == i);                %# get indices of test instances
  trainIdx = ~testIdx;                     %# get indices training instances


   svmModel = fitcsvm(data(trainIdx,:), groups(trainIdx), 
   'Standardize',true,'KernelFunction','RBF','KernelScale','auto');

  pred = predict(svmModel, meas(testIdx,:));
  cp = classperf(cp, pred, testIdx);
end

我还是不明白crossvalind是如何工作的？我的意思是，它可以保证每次折叠都从两个类中获取实例吗？