SMOTE (Synthetic Minority Over-sampling Technique) adalah teknik oversampling yang digunakan dalam penyeimbangan data dalam pembelajaran mesin. Itu diperkenalkan oleh Chawla dkk. pada tahun 2002, dan sering kali diterapkan sebagai langkah prapemrosesan untuk pembelajaran mesin.
Tujuan utama SMOTE adalah untuk menyeimbangkan kumpulan data dengan memberikan representasi kelas minoritas yang lebih seimbang. Ia bekerja dengan menghasilkan titik data sintetik dengan melakukan interpolasi linier antara kelas minoritas yang ada, sehingga menghasilkan sampel instance kelas minoritas yang jauh lebih besar.
SMOTE dapat digunakan dalam berbagai skenario berbeda. Misalnya, ini dapat digunakan dalam masalah kategorisasi teks dan klasifikasi kelas jamak, di mana kelas minoritas terwakili secara tidak proporsional dibandingkan dengan mayoritas. Ini juga berguna dalam biometrik, deteksi penipuan, dan diagnosis medis.
Proses SMOTE melibatkan pemilihan sejumlah contoh minoritas secara acak, dan kemudian, untuk masing-masing contoh minoritas tersebut, memutuskan tetangga yang akan digunakan dalam pembuatan titik data sintetik baru. Titik data baru dihasilkan dengan mengambil vektor fitur dari instance minoritas, dan menambahkan vektor acak yang dibentuk dengan mengambil nomor acak dari distribusi Gaussian untuk setiap fitur.
SMOTE adalah teknik yang efisien dan efektif untuk mengatasi masalah data yang tidak seimbang, memungkinkan pembelajaran yang lebih baik dan model yang lebih akurat. Namun, ini mungkin tidak ideal untuk menangani kumpulan data multikelas, karena pengambilan sampel yang berlebihan dapat menyebabkan model yang terlalu disederhanakan dan akurasi yang rendah. Selain itu, para peneliti kesulitan saat mencoba mengklasifikasikan titik data baru yang dihasilkan oleh SMOTE.
