不均衡データに対する機械学習の問題は重要である。解決策の一つに、Cost Sensitive (CS) 学習がある。CS学習は各訓練データに適切な重みを付加することで疑似的に不均衡を解消する方法であり、広く利用されている。しかしながら、CS学習とバッチ正規化の単純な組み合わせには問題があることが指摘され、その問題を解消するために重み付きバッチ正規化法が提案された。しかし、先行研究が提案している重み付きバッチ正規化はクラス分類問題に対してのものであり、回帰問題に対しての有効性は未知である。本研究では、重み付きバッチ正規化とカーネル密度推定法を組み合わせた手法を提案し、不均衡回帰問題に適用する。