数据挖掘面试题之SMOTE算法

为 了解决数据的非平衡 问题 ， 2002 年 Chawla 提出了 SMOTE 算法，即合成少数 过 采 样 技

术 ，它是基于随机 过 采 样 算法的一种改 进 方案。 该 技 术 是目前 处 理非平衡数据的常用手段，并

受到学 术 界和工 业 界的一致 认 同，接下来 简单 描述一下 该 算法的理 论 思想。

SMOTE 算法的基本思想就是 对 少数 类别样 本 进 行分析和模 拟 ，并将人工模 拟 的新 样 本添

加到数据集中， 进 而使原始数据中的 类别 不再 严 重失衡。 该 算法的模 拟过 程采用了 KNN 技 术 ，

模 拟 生成新 样 本的步 骤 如下：

（ 1 ）采 样 最 邻 近算法， 计 算出每个少数 类样 本的 K 个近 邻 。

（ 2 ）从 K 个近 邻 中随机挑 选 N 个 样 本 进 行随机 线 性插 值 。

（ 3 ）构造新的少数 类样 本。

（ 4 ）将新 样 本与原数据合成， 产 生新的 训练集。