В машинном обучении при большом дисбалансе классов в обучающей выборке с учителем малый класс может плохо обнаруживаться. Проблема дисбаланса обычно ликвидируется эвристическими методами выравнивания долей классов в обучающей выборке, неприемлемыми для стохастического метода решения задачи классификации. Использование же оценок апостериорных вероятностей классов, получаемых по аппроксимации дискриминантной функции Андерсона, позволяет решать проблему дисбаланса не путем изменения долей классов в выборке, а путем выбора стоимостей ошибок классификации из диапазонов, вычисленных по апостериорным вероятностям в точках малого класса обучающей выборки. Применение этого способа позволяет решать задачу, не выходя за рамки стохастического метода.