---
title: "資料不平衡（Data Imbalance）"
slug: data-imbalance
language: zh-TW
source: https://aiterms.tw/terms/data-imbalance
updated_at: 2026-04-27
tags: [資料處理, SMOTE, 模型評估, iPAS中級]
ipas_term: true
---

# 資料不平衡（Data Imbalance）

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

## 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。

## iPAS 考試出題分析

屬於高頻考範圍。

---

來源：https://aiterms.tw/terms/data-imbalance
快查頁：https://aiterms.tw/terms/data-imbalance
最後更新：2026/04/28