Machine Learning & DSDữ liệu lệch lớp (ví dụ 99% âm, 1% dương như phát hiện gian lận) khiến accuracy đánh lừa — một mô hình luôn đoán lớp đa số vẫn đạt 99%. Cần xử lý cả metric lẫn dữ liệu:
- Chọn metric phù hợp — precision, recall, F1, PR-AUC thay vì accuracy.
- Điều chỉnh trọng số lớp (
class_weight) — phạt nặng hơn khi đoán sai lớp thiểu số. - Điều chỉnh ngưỡng quyết định thay vì mặc định 0.5.
- Resampling — oversample lớp thiểu số hoặc undersample lớp đa số.
SMOTE (Synthetic Minority Over-sampling Technique) thay vì nhân bản trùng lặp, nó tạo mẫu tổng hợp mới: chọn một điểm thuộc lớp thiểu số, tìm các láng giềng gần nhất (kNN) cùng lớp, rồi sinh điểm mới nằm nội suy trên đoạn thẳng giữa điểm gốc và một láng giềng.
Lưu ý quan trọng: chỉ SMOTE trên tập train, sau khi đã chia — làm trước khi chia sẽ rò rỉ dữ liệu. SMOTE cũng có thể tạo nhiễu ở vùng ranh giới lớp (biến thể Borderline-SMOTE, ADASYN cải thiện điểm này).