İçeriğe geç
parazade
Yapay Zeka

SMOTE Nedir?

Yayın: · Son güncelleme:

SMOTE Nedir? Kısaca

SMOTE (Synthetic Minority Over-sampling Technique), dengesiz veri setlerinde azınlık sınıfına ait örnekleri kopyalamak yerine, mevcut örnekler arasında yeni sentetik örnekler üreterek sınıfları dengeleyen bir aşırı örnekleme yöntemidir.

SMOTE nedir?
İçindekiler
  1. SMOTE nedir?
  2. Nasıl çalışır?
  3. Nelere dikkat etmeli?

SMOTE, makine öğrenmesinde dengesiz veri seti sorununu hafifletmek için kullanılan bir yeniden örnekleme tekniğidir. 2002'de yayımlanan bir akademik çalışmayla tanıtılmış ve kısa sürede en bilinen aşırı örnekleme yöntemlerinden biri olmuştur.

SMOTE nedir?

Azınlık sınıfını çoğaltmanın en basit yolu, mevcut örnekleri birebir kopyalamaktır. Ancak bu, modelin aynı noktaları ezberlemesine yol açabilir. SMOTE bunun yerine azınlık sınıfındaki örneklerin "arasına" yeni, yapay örnekler yerleştirir.

Nasıl çalışır?

  1. Azınlık sınıfından bir örnek seçilir.
  2. Özellik uzayında bu örneğe en yakın k komşu (genellikle 5) bulunur.
  3. Komşulardan biri rastgele seçilir.
  4. İki nokta arasındaki doğru parçası üzerinde rastgele bir konumda yeni bir örnek oluşturulur.
  5. Bu işlem, istenen denge sağlanana kadar tekrarlanır.

Varsayımsal bir örnek: İki özelliği olan bir veri setinde azınlık örneği (2, 4), komşusu (4, 8) ise SMOTE aradaki (3, 6) gibi bir noktayı yeni örnek olarak ekleyebilir.

Nelere dikkat etmeli?

  • Yalnız eğitim verisine uygula. SMOTE'u veriyi bölmeden önce uygularsan sentetik örnekler test setine sızar ve başarı olduğundan yüksek görünür. Çapraz doğrulamada da her katman içinde ayrı uygulanmalıdır.
  • Gürültüyü büyütebilir. Azınlık sınıfındaki aykırı değerler etrafında da yeni örnekler üretilir; sınıflar iç içe geçmişse ayrım bulanıklaşabilir.
  • Kategorik veriye doğrudan uygun değildir. Kategorik özellikler için SMOTE-NC gibi türevleri vardır.
  • Her zaman en iyi çözüm değildir. Sınıf ağırlıkları ya da eşik ayarı bazen daha basit ve etkili olabilir; farklı yöntemleri doğrulama verisinde karşılaştırmak gerekir.

Sıkça Sorulan Sorular

SMOTE ile basit aşırı örnekleme arasındaki fark nedir?

Basit aşırı örnekleme azınlık sınıfındaki örnekleri olduğu gibi kopyalar. SMOTE ise komşu örnekler arasında yeni ve farklı noktalar üreterek modelin daha geniş bir bölgeyi öğrenmesini sağlamaya çalışır.

SMOTE test verisine uygulanır mı?

Hayır, SMOTE yalnızca eğitim verisine uygulanmalıdır. Test verisi, modelin gerçek dünyada karşılaşacağı dağılımı yansıtmalıdır.

İlgili terimler

Dengesiz Veri Seti(Imbalanced Dataset)Dengesiz veri seti (imbalanced dataset), sınıflandırma problemlerinde bir sınıfın diğerlerinden çok daha az örnek içerdiği veri setidir. Bu durumda model çoğunluk sınıfını öğrenmeye yönelir ve az görülen ama genellikle önemli olan sınıfı kaçırabilir.Veri Artırma(Data Augmentation)Veri artırma (data augmentation), mevcut eğitim örneklerine döndürme, kırpma, gürültü ekleme ya da yeniden ifade etme gibi anlamı koruyan dönüşümler uygulayarak yeni örnekler üreten ve modelin genelleme yeteneğini artırmayı amaçlayan bir tekniktir.Sentetik Veri(Synthetic Data)Sentetik veri, gerçek olaylardan ya da kişilerden doğrudan toplanmak yerine algoritmalar veya yapay zekâ modelleri tarafından üretilen, ancak gerçek verinin istatistiksel özelliklerini taklit eden veridir.F1 Skoru(F1 Score)F1 skoru, bir sınıflandırma modelinin kesinlik (precision) ve duyarlılık (recall) değerlerinin harmonik ortalamasıdır. 0 ile 1 arasında değer alır; 1'e yaklaştıkça model hem az yanlış alarm verir hem de gerçek pozitifleri az kaçırır.Özellik(Feature)Özellik (feature), makine öğrenmesinde her bir örneği tanımlayan ve modelin tahmin yaparken girdi olarak kullandığı ölçülebilir nitelik ya da değişkendir. Örneğin ev fiyatı tahmininde metrekare, oda sayısı ve konum birer özelliktir.Harf Çevirisi(Transliteration)Harf çevirisi (transliterasyon), bir yazı sistemindeki metnin, anlamı çevrilmeden başka bir yazı sisteminin harfleriyle yazılmasıdır. Örneğin Kiril alfabesiyle yazılmış bir ismin Latin harflerine aktarılması harf çevirisidir.