SMOTE

SMOTE - Sentetik Azınlık Aşırı Örnekleme Tekniği

SMOTE (Sentetik Azınlık Aşırı Örnekleme Tekniği), veri kümelerindeki sınıf dengesizliği sorunlarını ele almak için denetimli öğrenmede kullanılan bir algoritmadır. Sınıf dengesizliği, veri seti bir sınıfın diğerinden daha fazla veya daha az örneğini içerdiğinde ortaya çıkar. SMOTE, veri setindeki azınlık sınıfı verilerinin mevcut iki örneğini birleştiren çizginin yönü boyunca sentetik örnekler (mevcut olmayan) üreterek çalışır.

Bir sınıflandırıcının bir sınıfı yanlış tahmin etme olasılığını azaltmak için kullanılan bir tekniktir. SMOTE, sınıf verilerinin az olduğu durumlarda yardımcı olan yapay bir azınlık sınıfı yukarı örneklemesine izin vermesi açısından faydalıdır. Teknik, azınlık sınıfından (yakın komşular) rastgele bir örneklem alarak ve ardından azınlık sınıfından çoğunluk sınıfındaki en yakın komşulara giden vektörün yönü boyunca sentezlenen rastgele özelliklerle azınlık sınıfına eklenen sentetik veri noktaları oluşturarak çalışır.

Yöntemin, aşırı dengesiz veya doğrusal olmayan bir karar sınırına sahip olan problem setleriyle uğraşırken etkili olduğu kanıtlanmıştır. SMOTE özellikle çoğunluk sınıfına ait çok sayıda örnek varken azınlık sınıfına ait yeterli sayıda örnek olmadığında kullanışlıdır. Sınıflandırıcıların doğruluğunu artırabilir ve önyargılarını azaltabilir, ayrıca yanlış pozitif hataların maliyetini düşürebilir.

SMOTE, etkinliği nedeniyle bilgisayarla görme, finans ve ekotoksikoloji gibi çeşitli alanlarda yaygın olarak kullanılmaya başlanmıştır. Ayrıca bilgisayar programlama ve siber güvenlik alanlarında makine öğrenimi ve tahmine dayalı analitik kullanım durumlarında da yaygın olarak kullanılmaktadır.