完整定義
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。
白話說明
你有沒有在你看見正樣本很少、負樣本很多時，還在想這件事到底該怎麼看？
把它想成考卷裡有一題超少見，模型很容易只記住常見答案。
類別差太多時，模型可能只猜多數類別就拿到不錯的表面分數。
真正常用的能力不是高準確率，而是少數類別也要抓得到。
記住這句
少數類別不能被多數類別淹沒。
容易混淆
label-noise
資料不平衡是數量差太多，標籤噪音是答案本身可能錯。
常見混淆：資料不平衡 vs label-noise
資料不平衡是數量差太多，標籤噪音是答案本身可能錯。
實際案例
詐欺偵測
正常交易很多，真正詐欺很少，模型若只看準確率會被騙。
罕見疾病分類
陽性病例少，醫療模型必須特別照顧少數類別。
算法與應用
1. 處理方式常見有過採樣、欠採樣、加權損失和合成少數樣本。
2. 不能只看 accuracy，還要看 recall、precision 和 F1。
3. 類別不平衡常和資料稀少、標註成本高一起出現。
情境判斷
Q1：分類準確率 98%，但少數類幾乎全錯，代表什麼？
很可能是資料不平衡，模型只學會多數類。
Q2：什麼時候會優先看召回率而不是準確率？
當漏抓少數類的代價很高時，例如風控或醫療。
iPAS 考題
常見問題
不一定，先看資料量、任務和風險，再決定要不要過採樣。
因為多數類太多時，模型全猜多數類也可能有很高準確率。
可能丟掉太多資訊，讓模型學不到完整分布。
常見做法是加權交叉熵，給少數類別較大的權重，scikit-learn 很多模型也能設 class_weight="balanced"。另一種是焦點損失（Focal Loss），降低已經分類得很好的樣本在損失裡的比重，讓訓練集中在難分的樣本，最早用在前景與背景極度不平衡的物件偵測。
常見說法是 imbalanced data、class imbalance 或 class-imbalanced dataset，指分類資料裡各類別的標籤數量差很多。Google 機器學習詞彙表的例子是負例 1,000,000 筆、正例 10 筆，多類別資料也可能出現不平衡。
出現在這些考古題
官方公告試題的逐題解析裡，有 14 題把資料不平衡列為延伸術語，這裡列出 5 題。
立即測驗
想測試你對 資料不平衡 的掌握程度？用考古題作答
相關術語
來源
這個術語目前沒有標註外部來源。
考試範圍：iPAS AI 應用規劃師評鑑內容範圍參考（115.02 更新），經濟部產業人才能力鑑定，實際考試內容以官方公告為準。
其他格式：Markdown 版本