In der medizinischen Welt ist der Schlaganfall eine der bedeutendsten Krankheiten, die das menschliche Leben weltweit bedrohen. Die häufigsten Todesursachen in der Welt sind Schlaganfall, Herzkrankheiten und Krebs. Glücklicherweise kann ein Schlaganfall verhindert werden, wenn Risikopatienten vor dem Auftreten eines Schlaganfalls erkannt werden. Eine medizinische Diagnose zur Schlaganfallvorhersage ist ein komplexer Prozess. Mit Hilfe von Algorithmen des maschinellen Lernens kann die Schlaganfallvorhersage jedoch bereits im Frühstadium erleichtert werden. Die Leistung der Klassifizierungsalgorithmen hängt von einem ausgewogenen Datensatz ab. Daher zielt diese Studie darauf ab, die Techniken für unausgewogene Daten wie Undersampling, Oversampling und hybride Techniken zu implementieren, um die Leistung der Klassifizierungsmodelle zu verbessern.