某銀行建立 AI 詐欺交易偵測模型。歷史交易資料中，詐欺樣本比例極低，導致模型訓練時偏向預測為「正常交易」。資料科學團隊評估採用 SMOTE（Synthetic Minority Over-sampling Technique）改善訓練資料分佈。下列何者最符合 SMOTE 技術的主要功能？
iPAS 考題解析
某銀行建立 AI 詐欺交易偵測模型。歷史交易資料中，詐欺樣本比例極低，導致模型訓練時偏向預測為「正常交易」。資料科學團隊評估採用 SMOTE（Synthetic Minority Over-sampling Technique）改善訓練資料分佈。下列何者最符合 SMOTE 技術的主要功能？
- A. 透過隨機刪除部分正常交易資料，以降低類別失衡程度
- B. 依據少數類別樣本的特徵空間，合成產生新的少數類別樣本 ✓ 正確答案
- C. 調整模型的損失函數（Loss Function）權重，使誤判少數類別時的懲罰提高
- D. 以交叉驗證（Cross-validation）方式重新分割資料集，使各折資料類別比例一致
詳細解析
SMOTE 的核心原理是在少數類別樣本的特徵空間中，透過插值方式合成新的少數類別樣本，從而平衡訓練資料中的類別分佈。這與刪除多數類別（Undersampling）或調整損失權重不同。
出題年份：115 難度：★★☆