Borderline-SMOTE, or Borderline Synthetic Minority Over-sampling Technique, is an enhancement of the original SMOTE (Synthetic Minority Over-sampling Technique) algorithm, specifically designed to address the challenges of conjuntos de dados desequilibrados in classification tarefas.
In many real-world scenarios, datasets are often skewed, with a significantly lower number of instances from the classe minoritária compared to the majority class. This imbalance can lead to biased models that fail to generalize well to unseen data. Borderline-SMOTE improves upon this by focusing on the instances that lie on the fronteira de decisão between the minority and majority classes. These borderline instances are critical because they are often the most difficult to classify correctly.
O processo começa identificando as instâncias limítrofes da classe minoritária, que são aquelas cercadas por instâncias da classe majoritária. Uma vez identificadas essas instâncias, o Borderline-SMOTE gera amostras sintéticas interpolando entre essas instâncias limítrofes e seus vizinhos mais próximos da mesma classe minoritária. Isso não apenas aumenta o número de instâncias minoritárias, mas também torna a fronteira de decisão mais robusta, levando a uma melhora no desempenho da classificação.
By creating synthetic data points that are strategically placed, Borderline-SMOTE helps reduce the likelihood of overfitting, a common concern when merely duplicating instances or generating random samples. The technique is particularly useful in scenarios such as detecção de fraudes, medical diagnosis, and other applications where class imbalance is prevalent.