Dengesiz veriler, makine öğrenimi ve yapay zekada, veri gözlemleri içindeki sınıflandırma kategorilerinin farklı sayıda örneğe sahip olduğu bir veri biçimidir. Bu veri biçimi, azınlık sınıf(lar)ını doğru bir şekilde tahmin etmede zorluk yaşama eğiliminde olduklarından denetimli öğrenme algoritmaları için sorunlara neden olur. Dengesiz veriler, özellikle ilgilenilen konu nispeten nadir olduğunda, belirli bir konu hakkında veri toplarken yaygın bir olgudur.
Makine Öğrenimi alanında dengesiz veri kümeleri özellikle sorun yaratır çünkü çoğu makine öğrenimi algoritması, sınıflandırma kategorilerinin sayısı yaklaşık olarak eşit olduğunda en iyi şekilde çalışacak şekilde tasarlanmıştır. Örneğin, tahmine dayalı bir model, gözlemlerinin 10%'si azınlık sınıfına ve 90%'si çoğunluk sınıfına ait olan veriler üzerinde eğitildiğinde, azınlık durumları nihai modelde yetersiz temsil edilebilir. Bu yetersiz temsil, doğruluk veya kesinlik açısından zayıf performansa yol açar.
Dengesiz verileri işlemenin en popüler tekniği Sentetik Azınlık Aşırı Örnekleme Tekniğidir (SMOTE). SMOTE, azınlık sınıfında (genellikle mevcut veri noktalarının yakınında) yeni veri noktaları oluşturarak ve azınlık sınıfının boyutunu çoğunluk sınıfının boyutuna uyacak şekilde artırarak çalışır. Bu teknik, azınlık sınıfını rastgele aşırı örneklemekten daha başarılıdır.
SMOTE'a ek olarak dengesizlikleri gidermek için başka teknikler de mevcuttur. Bunlar şunları içerir: veri ön işleme, veri artırma, maliyete duyarlı öğrenme, meta öğrenme ve yapay sinir ağlarının kullanımı.
Sonuçta amaç, denetimli öğrenme algoritmasının azınlık sınıfından çalışmak için yeterli veriye sahip olmasını sağlayacak şekilde daha dengeli bir veri kümesi elde etmektir. Bu, çoğunluk sınıfından daha az örnek alınarak veya azınlık sınıfından daha fazla örnek alınarak yapılabilir. Doğru kullanıldığında bu teknikler verilerdeki önyargıyı azaltabilir ve daha yüksek tahmin performansına yol açabilir.
