搜尋意圖： 如果你在找「隨機欠採樣 是什麼」或「隨機欠採樣 和相近概念差在哪」，先看這頁的短定義、完整說明與延伸比較。
TL;DR： 處理類別不平衡資料的技術，從多數類別中隨機移除樣本，使各類別數量趨於平衡。
實用情境： 適合用在閱讀 AI 文章、產品文件或和同事討論時，先用一頁快速對齊概念。
下一步： 先讀完定義，再往下看延伸比較與對應工具，把概念轉成實際應用。
處理類別不平衡資料的技術，從多數類別中隨機移除樣本，使各類別數量趨於平衡。
類別不平衡（Class Imbalance）是機器學習中常見的挑戰，在詐欺偵測、醫療診斷、故障預測等真實世界場景中尤為普遍。例如信用卡詐欺案例中，詐欺交易可能僅佔所有交易的 0.1%，若直接在這樣的資料上訓練分類模型，模型很容易學到「永遠預測正常交易」的策略，達到 99.9% 的準確率，但卻完全無法偵測真正的詐欺行為。這種現象稱為「準確率悖論（Accuracy Paradox）」。
隨機欠採樣（Random Undersampling）是解決類別不平衡問題的最直接方法之一。其做法是從多數類別（樣本數較多的類別）中隨機移除樣本，直到多數類別與少數類別的樣本比例達到設定的目標（如 1:1 或 2:1）。操作非常簡單：若正例（少數類別）有 1000 筆，負例（多數類別）有 10000 筆，則從負例中隨機選取 1000 筆保留，刪除其餘 9000 筆，最終得到平衡的 2000 筆訓練資料。
隨機欠採樣的主要優點是計算成本低、實作簡單，且可以顯著加速模型訓練（因為訓練資料量大幅減少）。對於擁有大量多數類別樣本的資料集，欠採樣能夠有效改善模型對少數類別的召回率（Recall），減少模型預測的偏差。
然而，隨機欠採樣最大的缺點是資訊損失。被隨機刪除的多數類別樣本可能包含有用的判別資訊，這些資訊在欠採樣後永久消失，可能導致模型對多數類別的整體理解不完整。特別是在多數類別內部本身存在多樣性的情況下，欠採樣可能讓模型忽略某些重要的模式，增加將正常行為誤判為異常的機率。
為了解決資訊損失問題，研究者提出了多種智慧欠採樣方法。Tomek Links 方法找出多數類別與少數類別之間「邊界」上的樣本對（彼此互為最近鄰），刪除邊界上的多數類別樣本，在清理邊界的同時保留有代表性的多數類別樣本。NearMiss 方法選擇保留那些與少數類別最近（最難區分）的多數類別樣本，讓模型更專注於學習困難樣本。Cluster Centroids 則以聚類中心取代多數類別的隨機刪除，保留各個子群體的代表性。
在實務中，隨機欠採樣常與過採樣（Oversampling）方法結合使用。例如先對少數類別進行 SMOTE（Synthetic Minority Oversampling Technique）生成合成樣本，再對多數類別進行隨機欠採樣，達到雙向調整的效果，這被稱為結合採樣（Combined Sampling）。Python 的 imbalanced-learn 套件提供了完整的欠採樣方法實作，包括 RandomUnderSampler、TomekLinks、NearMiss 等。
評估不平衡資料模型時，應使用 F1 分數、PR 曲線（Precision-Recall Curve）、AUC-ROC 等指標，而非單純的準確率（Accuracy）。在 iPAS AI 應用規劃師考試中，隨機欠採樣通常與 SMOTE、過採樣、集成學習方法（如加權損失函數）一起出現，考題常要求考生比較各方法的優缺點以及在不同場景下的適用性。 隨機欠採樣（Random Undersampling）是處理類別不平衡（Class Imbalance）問題的常見技術，通過隨機刪除多數類（Majority Class）的樣本，使訓練集中各類別的樣本數量達到平衡，從而改善分類模型對少數類的識別能力。
類別不平衡在現實應用中普遍存在：信用卡詐欺偵測中詐欺交易可能只占所有交易的 0.1%-1%；罕見疾病診斷中陽性樣本可能極稀少；工業製造中的缺陷產品往往遠少於正常產品。此時若不處理不平衡問題，模型傾向於預測所有樣本為多數類，雖然整體準確率高，但對少數類的召回率（Recall）極低。
隨機欠採樣的優勢在於簡單快速，直接減少訓練資料量可顯著加速模型訓練。實作上僅需使用 Python 的 imbalanced-learn 套件中的 RandomUnderSampler，指定目標類別比例即可。
然而，隨機欠採樣有一個明顯缺點：隨機刪除多數類樣本可能丟失有價值的資訊，特別是刪除邊界區域的樣本會模糊決策邊界。
進階欠採樣方法試圖解決資訊損失問題：Tomek Links 識別並刪除跨類別邊界的相鄰對中多數類樣本，清理決策邊界；Edited Nearest Neighbours (ENN) 刪除被多數鄰居錯誤分類的多數類樣本；NearMiss 系列算法基於與少數類的距離關係選擇保留哪些多數類樣本。
在實踐中，欠採樣常與過採樣（如 SMOTE）結合使用：先欠採樣多數類，再合成少數類樣本，在資料量和資訊保留之間取得平衡。
常見問題
隨機欠採樣和 SMOTE 過採樣哪個更好？
兩者各有適用場景，沒有絕對優劣。隨機欠採樣的優點是速度快、簡單，適合多數類別樣本數量極大（百萬級別以上）的場景，可以顯著加速訓練。缺點是會丟失多數類別的資訊。SMOTE 過採樣則透過對少數類別進行插值合成新樣本，不刪除任何原始資料，保留了所有資訊，但會增加訓練集大小，計算成本更高，且合成樣本可能在高維空間中引入雜訊。實務上，結合兩者的效果通常優於單獨使用，例如先用 SMOTE 增加少數類別樣本，再用隨機欠採樣減少多數類別，達到雙向平衡。
欠採樣後，資料集應該達到什麼樣的比例才算合理？
常見目標是讓正負例比例達到 1:1 或 1:2，但「最佳比例」並非固定值，需要透過交叉驗證實驗確定。完全平衡（1:1）不一定是最優選擇，因為真實世界中的測試資料通常仍保持原始的不平衡比例。有研究指出，輕度欠採樣（如從原始的 1:100 調整到 1:10 或 1:20）有時比完全平衡更有效，因為保留了部分多數類別的代表性。建議在不同採樣比例下訓練模型，以 F1 分數或 AUC-PR 等指標評估，找出最適合當前業務場景的比例。
欠採樣後評估模型時應該注意什麼？
欠採樣後的評估有幾個重要注意事項。第一，驗證集與測試集不應進行欠採樣，只有訓練集才需要調整，確保評估時反映真實資料分佈。第二，不要用準確率（Accuracy）作為主要指標，因為在類別不平衡的測試集上，準確率會被多數類別主導。應改用 F1 分數、召回率（針對少數類別）、Precision-Recall AUC 或 ROC AUC。第三，建議多次隨機欠採樣並取平均結果，因為每次隨機刪除的樣本不同，可能導致結果波動。使用整合欠採樣（Ensemble Undersampling）讓多個欠採樣子集各自訓練模型再集成，能更穩定地利用所有多數類別資料。