技术
SMOTE（合成少数类过采样）
SMOTE（合成少数类过采样技术）是一种解决类别不平衡问题的数据增强方法，通过在少数类样本的近邻之间插值生成新样本，避免简单复制导致的过拟合。它常用于欺诈检测、医疗诊断等不平衡分类任务，显著提升模型对少数类的识别能力。
详细解释
类别不平衡指数据集中某些类别的样本数远少于其他类别，导致模型偏向多数类。传统过采样随机复制少数类样本，易造成过拟合；欠采样则丢失信息。SMOTE由Chawla等人于2002年提出，对每个少数类样本，从其k个最近邻中随机选一个，在两者连线上随机插值生成新样本。这扩展了少数类决策区域，缓解了不平衡。后续改进包括Borderline-SMOTE（关注边界样本）、ADASYN（自适应密度）等。SMOTE广泛应用于信用评分、疾病预测和入侵检测，但需注意噪声放大和类别重叠问题。
别名与相关写法
smote