過採樣（Oversampling）是一種用於處理機器學習中類別不平衡問題的技術，主要通過增加少數類別的樣本數量，使得少數類和多數類的樣本比例更加均衡，從而改善模型對少數類的識別能力。
過採樣的主要方法
- 隨機過採樣（Random Oversampling）：
- 從少數類樣本隨機有放回地抽取並複製，簡單直接。
- 缺點是容易導致過擬合，因為複製的樣本沒有提供新信息。
- SMOTE（Synthetic Minority Over-sampling Technique）：
- 根據少數類樣本生成合成樣本，通過在特徵空間與鄰近樣本間進行插值。
- 可以增加樣本多樣性，減少過擬合風險。
- ADASYN（Adaptive Synthetic Sampling）：
- 對難以分類的少數樣本生成更多合成樣本，注重邊界樣本的增強。
- 有效解決類別不平衡，提升模型在少數類別上的召回率與準確率。
- 不會丟失多數類樣本信息（相比欠採樣）。
- 適用於多種機器學習模型。
過採樣的缺點
- 隨機複製可能讓模型成為“記憶”重複數據，導致過擬合。
- 合成過程可能生成不代表真實資料的噪聲點。
- 增加訓練時間和計算成本。
其他相關技術
- 欠採樣：減少多數類樣本數量以平衡數據，
- 混合採樣：結合過採樣和欠採樣，兼顧數據平衡與質量。
簡言之，過採樣通過人為增加少數類樣本數量，幫助解決類別不均衡，提高模型對少數類別的識別能力，是處理不平衡數據集的常用策略之一。
