資料不平衡 是什麼？

Data Imbalance — 資料不平衡 的完整解釋

資料不平衡指訓練資料中各類別樣本數量差異懸殊，導致模型傾向預測多數類別，常用 SMOTE 過採樣或欠採樣等技術來處理

資料不平衡 的完整說明

資料不平衡（Data Imbalance / Class Imbalance）是機器學習中的常見問題，例如詐欺偵測中正常交易遠多於詐欺交易（比例可達 99:1）。解決策略：過採樣（SMOTE — 合成少數類別樣本）、欠採樣（隨機移除多數類別）、調整損失函數權重（Class Weight）、Focal Loss。評估指標應使用 F1-score、AUC-ROC 而非 Accuracy。

資料不平衡 在 iPAS 考試中的重點

根據歷年統計，資料不平衡 相關題目 屬於高頻考範圍。