SMOTE, abbreviazione di Synthetic Minority Over-sampling Technique, \u00e8 un potente metodo di aumento dei dati utilizzato nell'apprendimento automatico per affrontare il problema dei set di dati sbilanciati. In molti scenari del mondo reale, i set di dati spesso contengono distribuzioni di classi sbilanciate, in cui una classe (la classe di minoranza) ha un numero significativamente inferiore di istanze rispetto alle altre classi (classi di maggioranza). Questo squilibrio pu\u00f2 portare a modelli distorti che hanno scarso rendimento nel riconoscere la classe minoritaria, portando a previsioni non ottimali.<\/p>\n
SMOTE \u00e8 stato introdotto per affrontare questo problema generando campioni sintetici della classe minoritaria, bilanciando cos\u00ec la distribuzione delle classi e migliorando la capacit\u00e0 del modello di apprendere dalla classe minoritaria. Questa tecnica ha trovato numerose applicazioni in vari campi, come la diagnosi medica, il rilevamento di frodi e la classificazione delle immagini, dove prevalgono set di dati sbilanciati.<\/p>\n
SMOTE \u00e8 stato proposto da Nitesh V. Chawla, Kevin W. Bowyer, Lawrence O. Hall e W. Philip Kegelmeyer nel loro articolo fondamentale intitolato "SMOTE: Synthetic Minority Over-sampling Technique" pubblicato nel 2002. Gli autori hanno riconosciuto le sfide poste da set di dati sbilanciati e ha sviluppato SMOTE come soluzione innovativa per mitigare la distorsione causata da tali set di dati.<\/p>\n
La ricerca di Chawla et al. ha dimostrato che SMOTE ha migliorato significativamente le prestazioni dei classificatori quando si tratta di dati sbilanciati. Da allora, SMOTE ha guadagnato popolarit\u00e0 ed \u00e8 diventata una tecnica fondamentale nel campo dell\u2019apprendimento automatico.<\/p>\n
SMOTE funziona creando campioni sintetici per la classe minoritaria interpolando tra istanze esistenti della classe minoritaria. I passaggi chiave dell\u2019algoritmo SMOTE sono i seguenti:<\/p>\n
L'algoritmo SMOTE pu\u00f2 essere riassunto nella seguente equazione, dove x_i rappresenta l'istanza minoritaria originale, x_n \u00e8 un vicino selezionato casualmente e \u03b1 \u00e8 un valore casuale compreso tra 0 e 1:<\/p>\n
Istanza sintetica = x_i + \u03b1 * (x_n \u2013 x_i)<\/p>\n
Applicando in modo iterativo SMOTE alle istanze delle classi minoritarie, la distribuzione delle classi viene ribilanciata, ottenendo un set di dati pi\u00f9 rappresentativo per l'addestramento del modello.<\/p>\n
Le caratteristiche principali di SMOTE sono le seguenti:<\/p>\n
Aumento dei dati<\/strong>: SMOTE aumenta la classe di minoranza generando campioni sintetici, affrontando il problema dello squilibrio di classe nel set di dati.<\/p>\n<\/li>\n Riduzione dei pregiudizi<\/strong>: Aumentando il numero di istanze di classi di minoranza, SMOTE riduce la distorsione nel classificatore, portando a migliori prestazioni predittive per la classe di minoranza.<\/p>\n<\/li>\n Generalizzabilit\u00e0<\/strong>: SMOTE pu\u00f2 essere applicato a vari algoritmi di machine learning e non \u00e8 limitato a nessun tipo di modello specifico.<\/p>\n<\/li>\n Facile implementazione<\/strong>: SMOTE \u00e8 semplice da implementare e pu\u00f2 essere perfettamente integrato nelle pipeline di machine learning esistenti.<\/p>\n<\/li>\n<\/ol>\n SMOTE ha diverse varianti e adattamenti per soddisfare diversi tipi di set di dati sbilanciati. Alcuni dei tipi comunemente usati di SMOTE includono:<\/p>\n SMOTE regolare<\/strong>: Questa \u00e8 la versione standard di SMOTE come descritto sopra, che crea istanze sintetiche lungo la linea che collega l'istanza minoritaria e i suoi vicini.<\/p>\n<\/li>\n SMOTE borderline<\/strong>: questa variante si concentra sulla generazione di campioni sintetici vicino al confine tra le classi di minoranza e maggioranza, rendendola pi\u00f9 efficace per i set di dati con classi sovrapposte.<\/p>\n<\/li>\n ADASYN (campionamento sintetico adattivo)<\/strong>: ADASYN migliora SMOTE assegnando maggiore importanza alle istanze minoritarie pi\u00f9 difficili da apprendere, con conseguente migliore generalizzazione.<\/p>\n<\/li>\n SMOTEBoost<\/strong>: SMOTEBoost combina SMOTE con tecniche di potenziamento per migliorare ulteriormente le prestazioni dei classificatori su set di dati sbilanciati.<\/p>\n<\/li>\n SMOTE a livello sicuro<\/strong>: Questa variante riduce il rischio di overfitting controllando il numero di campioni sintetici generati in base al livello di sicurezza di ciascuna istanza.<\/p>\n<\/li>\n<\/ol>\n Ecco una tabella comparativa che riassume le differenze tra queste varianti SMOTE:<\/p>\nTipi di SMOTE<\/h2>\n
\n