特征级SMOTE（Feature-level SMOTE）：一种新的SMOTE过采样算法

用户7136653

发布于 2026-10-03 12:48:46

600

概述

在处理类别不平衡（Class Imbalance）问题时，以合成少数类过采样技术（SMOTE）为代表的重采样方法得到了广泛应用。然而，传统的SMOTE及其衍生算法通常直接在原始输入数据空间中进行线性插值；当数据集同时存在类间重叠（Inter-class Overlap）时，在重叠区域合成的新样本容易混入多数类空间，导致决策边界发生偏移。针对这一问题，论文《Feature-level SMOTE:

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

机器学习