Data Balancing | SMOTE

Synthetic Minority Oversampling Technique

合成少数类过采样技术

类不平衡

类不平衡（Class-imbalance）是指在训练分类器时所使用的训练数据的类别分布不均。

一个二分类问题，训练数据集有1000个样本

• 理想情况：正类和负类样本的数量相差不多

• 类不平衡：如果正类样本有990个，而负类样本只有10个

• 把样本数量过少的类别称为少数类

• 把样本数量较多的类别称为多数类

类不平衡的解决方案有：

1. 过采样（Oversampling）：对少数类进行过采样，合成新的样本来缓解类不平衡
2. 欠采样（Undersampling）：对多数类进行欠采样，抛弃一些样本来缓解类不平衡

SMOTE

合成少数类过采样技术（SMOTE，Synthetic Minority Oversampling Technique），基于随机过采样算法的一种数据不平衡改进方案。

Chawla N V , Bowyer K W , Hall L O , et al. SMOTE: Synthetic Minority Over-sampling Technique[J]. Journal of Artificial Intelligence Research, 2002, 16(1):321-357.

参考资料

• 机器学习 —— 类不平衡问题与SMOTE过采样算法