iPAS AI 初級・漫畫式小白教材

SMOTE

Synthetic Minority Over-sampling Technique｜「幫少數派增加新夥伴！」

🎬 第一幕：銀行的詐欺偵探出事了！

🏦 正常交易

👥👥👥👥👥

100,000 筆正常交易。

「人太多了！」

🚨 詐欺交易

🕵️‍♂️🚨

只有 500 筆詐欺交易。

「我們是少數派……」

🤖 模型

🤖⚖️

「大部分都是正常，那我全部猜正常好了！」

模型可能偏向多數類別。

🧠 一句話先背起來

SMOTE＝「利用少數類別的鄰近樣本，合成新的少數類別樣本。」

SMOTE 的目的，是處理類別不平衡（Class Imbalance）。它不是直接複製少數樣本，而是利用少數類別樣本之間的特徵差異，產生位於它們之間的新樣本。

少數類別過度取樣合成新資料Class Imbalance

🎭 第二幕：SMOTE 到底怎麼「生小孩」？

① 找到少數派鄰居

🔴 ↔ 🔴

假設兩筆詐欺樣本：

A：交易金額高、深夜交易

B：交易金額中高、深夜交易

② 找兩者之間

🔴 ➡️ 🟣 ➡️ 🔴

SMOTE 不只是複製 A。

而是在 A 與鄰居 B 的特徵空間連線上取點。

③ 生出新樣本

🔴🟣🔴

「我是一筆新的合成詐欺樣本！」

🟣 是人工合成的少數類別樣本。

A ＋鄰近少數樣本的「差異 × 隨機比例」 → 新少數類別樣本

🔄 第三幕：SMOTE 的流程

⚖️

① 發現失衡
少數類太少

🔴

② 選少數樣本
挑一個 minority sample

🔎

③ 找鄰居
找附近少數樣本

🟣

④ 合成
在特徵空間插值

⚖️

⑤ 平衡資料
再交給模型訓練

原始資料 → 找少數類 → 找鄰近少數樣本 → 合成新樣本 → 平衡訓練資料 → 模型訓練

🥊 第四幕：SMOTE 最容易跟什麼搞混？

方法	漫畫	到底改了什麼？
SMOTE	🟣「生新少數派」	在少數類樣本的特徵空間中合成新樣本。
Random Over-sampling	📋「複製少數派」	直接重複抽取／複製少數類樣本。
Random Under-sampling	✂️「刪多數派」	刪除部分多數類樣本，降低資料不平衡。
Class Weight	⚖️「少數派加分」	調整模型訓練時不同類別的損失權重，不直接新增資料。
Cross-validation	🔄「切資料考試」	用不同資料切分評估模型泛化能力；不是 SMOTE 本身。

💡 第五幕：最重要的「資料 vs 模型」判斷

📊 SMOTE 改的是「資料」

原本：

正常 ⚪⚪⚪⚪⚪⚪⚪
詐欺 🔴

SMOTE：

正常 ⚪⚪⚪⚪⚪⚪⚪
詐欺 🔴🟣🟣🟣

👉 增加的是少數類別訓練樣本。

⚖️ Class Weight 改的是「損失」

不是新增交易資料，而是告訴模型：

「錯判詐欺，罰重一點！」

👉 改變模型學習時的Loss 權重。

🎯 考試超重要：SMOTE 是資料層面的重採樣技術，不是修改 Loss Function 的方法。

⚠️ 第六幕：SMOTE 不是「隨便製造假資料」

❌ 錯誤理解

📋➡️📋

「把詐欺資料複製 1,000 次。」

這比較接近Random Over-sampling。

✅ SMOTE

🔴➡️🟣⬅️🔴

根據少數類樣本的鄰近關係，在特徵空間中進行插值。

產生新的合成少數樣本。

⚠️ 注意

🤔

如果少數類資料本身有噪聲或類別邊界複雜，合成資料也可能帶來問題。

所以不是「SMOTE 越多越好」。

🏦 第七幕：套進銀行詐欺偵測

原本的資料

正常交易：99.5%
詐欺交易：0.5%

模型容易學成：

「全部預測正常，好像也很準？」

加入 SMOTE

正常交易：⚪⚪⚪⚪⚪
詐欺交易：🔴🟣🟣🟣

讓訓練資料中的少數類別有更多代表性。

⚠️ 實務上 SMOTE 通常應只在訓練資料上執行，避免把合成資料帶進測試／驗證資料而造成資料洩漏（Data Leakage）。

🎯 第八幕：你的四個選項逐一拆解

❌ A. 隨機刪除部分正常交易——這是 Random Under-sampling 的概念，不是 SMOTE。

✅ B. 正確答案
依據少數類別樣本的特徵空間與鄰近樣本，合成產生新的少數類別樣本。這就是 SMOTE。

❌ C. 調整 Loss Function 權重——這是 Class Weight／Cost-sensitive Learning 類方法，不是 SMOTE。

❌ D. Cross-validation 是模型評估／資料切分方法，不是用來合成少數類樣本的技術。

🧠 iPAS 考前超強口訣

SMOTE＝「少數派太少 → 找鄰居 → 在中間生新朋友」

看到「類別不平衡」＋「少數類別」＋「合成新樣本」→ SMOTE

⭐ SMOTE 改資料，不改 Loss；不是刪資料，也不是單純複製資料。

🎯 最後來做你提供的例題

題目：某銀行建立 AI 詐欺交易偵測模型，詐欺樣本比例極低。資料科學團隊評估採用 SMOTE 改善訓練資料分佈。何者最符合 SMOTE 的主要功能？

A. 隨機刪除部分正常交易
B. 依據少數類別樣本的特徵空間，合成新的少數類別樣本
C. 調整 Loss Function 權重
D. 以 Cross-validation 重新分割資料

🎯 正確答案：B ✅

SMOTE 的全名是 Synthetic Minority Over-sampling Technique。

核心就是：
🔴 找少數類別樣本
↓
🔎 找它附近的少數類別鄰居
↓
🟣 在特徵空間中插值
↓
🟣 產生新的少數類別樣本

因此 B 最準確。

⭐ 少數類太少？SMOTE：「我來幫你在附近生一些新朋友！」

📌 考前最後一張小抄

題目關鍵字	立刻想到
類別不平衡	⚖️ Imbalanced Data
少數類別太少	🔴 Minority Class
合成新的少數類別樣本	🟣 SMOTE
直接複製少數樣本	📋 Random Over-sampling
刪除多數類別	✂️ Random Under-sampling
提高少數類錯誤的懲罰	⚖️ Class Weight
切資料評估模型	🔄 Cross-validation

⭐ 最終口訣：
「SMOTE 不刪、不單純複製；它在少數類鄰居之間『生新樣本』。」