SMOTE, abr\u00e9viation de Synthetic Minority Over-sampling Technique, est une puissante m\u00e9thode d'augmentation des donn\u00e9es utilis\u00e9e dans l'apprentissage automatique pour r\u00e9soudre le probl\u00e8me des ensembles de donn\u00e9es d\u00e9s\u00e9quilibr\u00e9s. Dans de nombreux sc\u00e9narios r\u00e9els, les ensembles de donn\u00e9es contiennent souvent des distributions de classes d\u00e9s\u00e9quilibr\u00e9es, dans lesquelles une classe (la classe minoritaire) poss\u00e8de beaucoup moins d'instances que les autres classes (les classes majoritaires). Ce d\u00e9s\u00e9quilibre peut conduire \u00e0 des mod\u00e8les biais\u00e9s qui ne parviennent pas \u00e0 reconna\u00eetre la classe minoritaire, conduisant \u00e0 des pr\u00e9dictions sous-optimales.<\/p>\n
SMOTE a \u00e9t\u00e9 introduit pour r\u00e9soudre ce probl\u00e8me en g\u00e9n\u00e9rant des \u00e9chantillons synth\u00e9tiques de la classe minoritaire, \u00e9quilibrant ainsi la r\u00e9partition des classes et am\u00e9liorant la capacit\u00e9 du mod\u00e8le \u00e0 apprendre de la classe minoritaire. Cette technique a trouv\u00e9 de nombreuses applications dans divers domaines, tels que le diagnostic m\u00e9dical, la d\u00e9tection des fraudes et la classification d'images, o\u00f9 les ensembles de donn\u00e9es d\u00e9s\u00e9quilibr\u00e9s sont r\u00e9pandus.<\/p>\n
SMOTE a \u00e9t\u00e9 propos\u00e9 par Nitesh V. Chawla, Kevin W. Bowyer, Lawrence O. Hall et W. Philip Kegelmeyer dans leur article fondateur intitul\u00e9 \u00ab SMOTE : Synthetic Minority Over-sampling Technique \u00bb publi\u00e9 en 2002. Les auteurs ont reconnu les d\u00e9fis pos\u00e9s par des ensembles de donn\u00e9es d\u00e9s\u00e9quilibr\u00e9s et a d\u00e9velopp\u00e9 SMOTE comme solution innovante pour att\u00e9nuer les biais caus\u00e9s par ces ensembles de donn\u00e9es.<\/p>\n
La recherche de Chawla et al. a d\u00e9montr\u00e9 que SMOTE am\u00e9liorait consid\u00e9rablement les performances des classificateurs lorsqu'ils traitaient des donn\u00e9es d\u00e9s\u00e9quilibr\u00e9es. Depuis, SMOTE a gagn\u00e9 en popularit\u00e9 et est devenu une technique fondamentale dans le domaine de l\u2019apprentissage automatique.<\/p>\n
SMOTE fonctionne en cr\u00e9ant des \u00e9chantillons synth\u00e9tiques pour la classe minoritaire en interpolant entre les instances existantes de la classe minoritaire. Les \u00e9tapes cl\u00e9s de l'algorithme SMOTE sont les suivantes\u00a0:<\/p>\n
L'algorithme SMOTE peut \u00eatre r\u00e9sum\u00e9 dans l'\u00e9quation suivante, o\u00f9 x_i repr\u00e9sente l'instance minoritaire d'origine, x_n est un voisin s\u00e9lectionn\u00e9 al\u00e9atoirement et \u03b1 est une valeur al\u00e9atoire comprise entre 0 et 1\u00a0:<\/p>\n
Instance synth\u00e9tique = x_i + \u03b1 * (x_n \u2013 x_i)<\/p>\n
En appliquant de mani\u00e8re it\u00e9rative SMOTE aux instances de classe minoritaires, la distribution des classes est r\u00e9\u00e9quilibr\u00e9e, ce qui donne un ensemble de donn\u00e9es plus repr\u00e9sentatif pour la formation du mod\u00e8le.<\/p>\n
Les principales caract\u00e9ristiques de SMOTE sont les suivantes\u00a0:<\/p>\n
Augmentation des donn\u00e9es<\/strong>: SMOTE augmente la classe minoritaire en g\u00e9n\u00e9rant des \u00e9chantillons synth\u00e9tiques, r\u00e9solvant ainsi le probl\u00e8me de d\u00e9s\u00e9quilibre de classe dans l'ensemble de donn\u00e9es.<\/p>\n<\/li>\n R\u00e9duction des biais<\/strong>: En augmentant le nombre d'instances de classe minoritaire, SMOTE r\u00e9duit le biais du classificateur, conduisant \u00e0 de meilleures performances pr\u00e9dictives pour la classe minoritaire.<\/p>\n<\/li>\n G\u00e9n\u00e9ralisabilit\u00e9<\/strong>: SMOTE peut \u00eatre appliqu\u00e9 \u00e0 divers algorithmes d'apprentissage automatique et n'est limit\u00e9 \u00e0 aucun type de mod\u00e8le sp\u00e9cifique.<\/p>\n<\/li>\n Mise en \u0153uvre facile<\/strong>: SMOTE est simple \u00e0 mettre en \u0153uvre et peut \u00eatre int\u00e9gr\u00e9 de mani\u00e8re transparente aux pipelines d'apprentissage automatique existants.<\/p>\n<\/li>\n<\/ol>\n SMOTE propose plusieurs variantes et adaptations pour r\u00e9pondre \u00e0 diff\u00e9rents types d'ensembles de donn\u00e9es d\u00e9s\u00e9quilibr\u00e9s. Certains des types de SMOTE couramment utilis\u00e9s comprennent\u00a0:<\/p>\n SMOTE r\u00e9gulier<\/strong>: Il s'agit de la version standard de SMOTE telle que d\u00e9crite ci-dessus, qui cr\u00e9e des instances synth\u00e9tiques le long de la ligne reliant l'instance minoritaire et ses voisines.<\/p>\n<\/li>\n SMOTE limite<\/strong>: Cette variante se concentre sur la g\u00e9n\u00e9ration d'\u00e9chantillons synth\u00e9tiques pr\u00e8s de la fronti\u00e8re entre les classes minoritaires et majoritaires, ce qui la rend plus efficace pour les ensembles de donn\u00e9es avec des classes qui se chevauchent.<\/p>\n<\/li>\n ADASYN (\u00e9chantillonnage synth\u00e9tique adaptatif)<\/strong>: ADASYN am\u00e9liore SMOTE en attribuant une plus grande importance aux instances minoritaires qui sont plus difficiles \u00e0 apprendre, ce qui permet une meilleure g\u00e9n\u00e9ralisation.<\/p>\n<\/li>\n SMOTEBoost<\/strong>: SMOTEBoost combine SMOTE avec des techniques de boosting pour am\u00e9liorer encore les performances des classificateurs sur des ensembles de donn\u00e9es d\u00e9s\u00e9quilibr\u00e9s.<\/p>\n<\/li>\n SMOTE de niveau s\u00fbr<\/strong>: Cette variante r\u00e9duit le risque de surajustement en contr\u00f4lant le nombre d'\u00e9chantillons synth\u00e9tiques g\u00e9n\u00e9r\u00e9s en fonction du niveau de s\u00e9curit\u00e9 de chaque instance.<\/p>\n<\/li>\n<\/ol>\n Voici un tableau comparatif r\u00e9sumant les diff\u00e9rences entre ces variantes de SMOTE :<\/p>\nTypes de SMOTE<\/h2>\n
\n