超取樣是什麼意思
超取樣（oversampling）是一種數據處理技術，特別是在機器學習和統計學中，用來處理不平衡數據集（imbalanced dataset）的一種方法。當數據集中不同類別的樣本數量差異很大，導致某些類別的樣本過於稀少，從而影響算法的訓練和預測性能時，就會使用超取樣。
超取樣的基本思想是通過增加稀少類別的樣本數量來平衡數據集。這可以通過以下幾種方式實現：
- 複製（Bootstrap Resampling）：簡單地複製稀少類別的樣本，增加其在數據集中的出現次數。
- 隨機變形（Random Transformation）：對稀少類別的樣本進行隨機變形（如平移、旋轉、縮放等），生成新的樣本。
- 合成數據（Synthetic Data）：使用機器學習算法合成新的稀少類別的樣本。例如，使用生成對抗網絡（GAN）來生成新的樣本。
超取樣可以幫助提高模型在稀少類別上的性能，因為模型有更多的數據可以用來學習這些類別的特徵。然而，超取樣也會增加計算成本，因為數據集變大了，而且可能會引入噪聲，導致模型過度擬合。因此，在使用超取樣時，需要適當調整模型的參數和訓練過程，以避免這些問題。