SMOTEやADASYN

2024年6月8日

SMOTE（Synthetic Minority Over-sampling Technique）とADASYN（Adaptive Synthetic Sampling）は、クラス不均衡問題に対処するための再サンプリング手法の一つです。これらの手法は、少数クラスのサンプルを増やすことで、クラスの不均衡を緩和し、モデルの性能を改善します。

1. SMOTE:
   SMOTEは、少数クラスのサンプルの近傍に新しいサンプルを合成することによってデータを増やします。具体的には、少数クラスの各サンプルに対して、その最近傍のサンプルを見つけ、その間を結んだ線上に新しい合成サンプルを生成します。これにより、少数クラスの特徴空間を補完し、クラスの不均衡を軽減します。

2. ADASYN:
   ADASYNは、SMOTEの改良版で、不均衡度に応じて合成するサンプルの密度を調整します。具体的には、少数クラスのサンプルに近い領域に多くの合成サンプルを生成し、少数クラスの境界付近でより密にサンプリングされます。これにより、不均衡な領域に焦点を当ててサンプルを生成し、クラスの不均衡をより効果的に解消します。

SMOTEやADASYNは、クラスの不均衡を解消するための有用な手法ですが、過学習のリスクや合成されたサンプルの品質に注意する必要があります。また、これらの手法はデータセットの特性や問題の性質によって効果が異なるため、適切な手法を選択することが重要です。