클래스 불균형 보정(Class Imbalance Correction)은 특정 클래스의 샘플 수가 다른 클래스보다 현저히 적은 데이터셋에서 발생하는 모델 편향을 완화하는 기법입니다. 오버샘플링(SMOTE, ADASYN), 언더샘플링, 비용 민감 학습, 합성 데이터 생성, 앙상블 방법(Balanced Random Forest) 등이 있으며, 사기 탐지·의료 진단·결함 탐지처럼 소수 클래스 탐지가 중요한 분야에서 필수적입니다.
클래스 불균형 보정(Class Imbalance Correction)은 특정 클래스의 샘플 수가 다른 클래스보다 현저히 적은 데이터셋에서 발생하는 모델 편향을 완화하는 기법입니다. 오버샘플링(SMOTE, ADASYN), 언더샘플링, 비용 민감 학습, 합성 데이터 생성, 앙상블 방법(Balanced Random Forest) 등이 있으며, 사기 탐지·의료 진단·결함 탐지처럼 소수 클래스 탐지가 중요한 분야에서 필수적입니다.