现实生活中的很多数据是不平衡分布的，有的类别所占总样本比例很少，而有的类别占总样本比例很大。其中的少数类样本往往是人们研究的重点，它们对我们的影响相对更大，人们更加注重的是少数类样本及其被错误归类所带来的损失。然而在类不平衡数据集上直接使用传统分类算法的效果并不理想，特别是对于少数类的分类准确率，效果更差。因此，类不平衡数据集分类问题的研究具有很重要的现实意义。本文提出了一种基于改进SMOTE算法和随机森林分类算法相结合的分类模型，在数据层面使用提出的改进算法NSMOTE算法处理类不平衡数据集，平衡数据集。在算法层面选择组合决策树的算法随机森林来对处理过后的数据集进行分类。与传统的分类器相比，能够较好地应用在类不平衡数据集的分类中。我国是一个资源型大国，“多煤，缺油，少气”是对我国资源状况的概述。显而易见，煤炭资源对我国的经济发展非常重要，煤矿的安全生产更是关乎国计民生的大事。应用先进的数据挖掘技术于煤矿危险地带的分类预测中，可以尽可能的减小突发灾难的发生机会，减少人民的生命财产损失。由于煤矿中井下工作面处于危险状况是小概率事件，绝大多数情况下井下工作面还是安全的，其研究属于类不平衡数据分类问题。将本文提出的类不平衡数据集分类模型应用于煤矿数据的分析中，可以为煤矿生产提供合理建议，可以在一定程度上避免灾害的发生。