SMOTE (Synthetic Minority Over-sampling Technique) помогает в работе с несбалансированными данными, создавая синтетические выборки для класса меньшинства. 2 Это позволяет сбалансировать распределение классов и повысить производительность моделей машинного обучения. 2

Некоторые преимущества использования SMOTE:

• Улучшение способности модели к обобщению. 2 SMOTE уменьшает смещение в сторону большинства классов и повышает эффективность классификации. 2
• Снижение стоимости ошибок. 2 SMOTE может повысить точность и уменьшить смещение классификаторов. 2
• Помощь в распознавании редких случаев. 35 SMOTE создаёт новые примеры, которые помогают модели лучше понять и обобщить характеристики минорных классов. 3

SMOTE особенно полезен, когда имеется много образцов класса большинства, но недостаточно образцов класса меньшинства. 2