⚖️ SMOTE 過採樣 互動動畫

看少數類如何「長出」新的合成樣本來平衡資料

💡 白話說明

想像班上有 95 個健康學生和 5 個生病學生，你要訓練 AI 辨識誰生病：

📌 考試重點：SMOTE 是「合成」新樣本（不是複製），在少數類的鄰居之間內插產生。常跟「不平衡資料處理」一起考。
10 3
① 原始資料
② 選少數類樣本
③ 找 K 鄰居
④ 連線內插
⑤ 合成完成
多數類（藍）
-
少數類（紅）原始
-
合成樣本（綠）
0
平衡比例
-
多數類（健康） 少數類（生病） SMOTE 合成 鄰居連線

🧠 SMOTE 步驟拆解

1️⃣
選一個少數類樣本

從少數類中隨機挑一個點

2️⃣
找 K 個最近鄰居

在少數類中找最近的 K 個點

3️⃣
隨機選一個鄰居

從 K 個鄰居中隨機挑一個

4️⃣
在連線上取點

兩點連線上隨機位置 = 新樣本

⚠️ SMOTE 的限制

📊 重取樣方法比較
方法做法特點
隨機過取樣複製少數類簡單;易過擬合
SMOTE在少數類鄰居間內插合成新樣本增多樣性、較不過擬合
隨機欠取樣刪多數類平衡但損失資料
類別權重不動資料、調懲罰免造樣本
✅ 自我檢測
SMOTE 是什麼？
Synthetic Minority Over-sampling:在少數類樣本與其近鄰之間內插,合成「新的」少數類樣本來平衡資料。
SMOTE 為什麼比單純複製好？
複製只是重複既有點、易過擬合;SMOTE 造出鄰域內的新點,增加多樣性、決策邊界更平滑。
SMOTE 要注意什麼？
只在訓練集做(避免洩漏);高維或雜訊多時可能造出不合理樣本;可用 Borderline／ADASYN 等變體改善。
🎯 重點整理
  1. SMOTE=在少數類鄰域內插合成新樣本。
  2. 比複製更能增加多樣性、減過擬合。
  3. 只在訓練折做,避免資料洩漏。
  4. 高維／雜訊多要注意合成品質。
  5. 變體:Borderline-SMOTE、ADASYN。

📝 iPAS 考點提醒

SMOTE 是處理類別不平衡的過取樣法,iPAS 中級科目三常考。重點:在少數類樣本之間內插合成新樣本(而非單純複製),增加多樣性、較不易過擬合少數類。易混點:只能對訓練集做(避免洩漏到測試集)、可能在類別邊界製造雜訊;變體 Borderline-SMOTE、ADASYN 可改善。對照:過取樣保留資訊適合資料少、欠取樣加快訓練適合資料多。

想練情境題與詳解 → AI 學習與考證地圖

❓ 常見問題

SMOTE 是什麼？

處理類別不平衡的過取樣法；在少數類樣本之間內插合成新樣本(而非單純複製)，增加多樣性、較不易過擬合。

SMOTE 為什麼比單純複製好？

複製會讓模型過度記住同樣的點；SMOTE 合成新的中間樣本，增加多樣性、較不易過擬合少數類。

SMOTE 要注意什麼？

只在訓練集做(避免資料洩漏到測試集)、可能在類別邊界製造雜訊；變體如 Borderline-SMOTE、ADASYN 可改善。

SMOTE 和欠取樣怎麼選？

資料少用過取樣(SMOTE)保留資訊；資料多可欠取樣多數類加快訓練；也可兩者並用。

除了重取樣還有什麼方法？

調整類別權重、改用對不平衡友善的指標(F1、PR-AUC)、調分類門檻、異常偵測視角等。

🧭 相關主題

資料探索 (EDA)特徵工程模型開發問題定義資料切分基準模型
← 返回 AI 學習與考證地圖