מה זה SMOTE?
SMOTE (ראשי תיבות של Synthetic Minority Over-sampling Technique) היא שיטה נפוצה בתחום ה־Machine Learning
המיועדת להתמודד עם בעיית חוסר האיזון (Imbalanced Data) בין מחלקות.
כאשר בסט הנתונים קיימת מחלקת מיעוט (Minority Class) עם מעט דוגמאות ביחס למחלקת הרוב (Majority Class), אלגוריתמים
סטנדרטיים נוטים להעדיף את מחלקת הרוב ולספק ביצועים ירודים בזיהוי הדוגמאות החריגות או החשובות ביותר,
למשל הונאות כספיות, מחלות נדירות, או כשלים טכניים.
SMOTE נועדה לפתור את הבעיה באמצעות יצירת דוגמאות מלאכותיות חדשות למחלקת המיעוט, במקום לשכפל את הקיימות באופן ישיר,
ובכך לשמור על גיוון בנתונים ולשפר את יכולת המודל ללמוד דפוסים משמעותיים.
הצורך ב-SMOTE
בבעיות סיווג לא מאוזנות, דיוק (Accuracy) עלול להיות מדד מטעה: מודל יכול להשיג 95% דיוק על ידי ניבוי כל הדוגמאות כ”תקינות”,
אך להיכשל לחלוטין בזיהוי מקרי חריגים (5% חשובים מאוד).
לכן נדרשות שיטות Oversampling ו־Undersampling כדי לאזן בין המחלקות. SMOTE הוא אחד הפתרונות היעילים ביותר לבעיה זו.
אופן הפעולה של SMOTE
בחירת דוגמאות ממחלקת המיעוט – עבור כל דוגמה, האלגוריתם מוצא את k השכנים הקרובים ביותר שלה (k-Nearest Neighbors).
יצירת דוגמאות חדשות – האלגוריתם בוחר באופן אקראי שכן אחד ומייצר נקודה סינתטית חדשה במרחב התכונות על ידי אינטרפולציה
בין שתי הדוגמאות.
חזרה עד איזון – התהליך חוזר עד שמספר הדוגמאות במחלקת המיעוט מתקרב למספר במחלקת הרוב או ליחס הרצוי.
יתרונות SMOTE
מייצרת דוגמאות מגוונות יותר לעומת שכפול ישיר (Random Oversampling).
משפרת מדדי Recall, Precision ו־F1 במחלקת המיעוט.
מתאימה למודלים מבוססי Decision Trees, Random Forests, Logistic Regression ועוד.
חסרונות ואתגרים של SMOTE
רעש (Noise): אם קיימות דוגמאות חריגות במחלקת המיעוט, SMOTE עלולה ליצור סביבן נקודות מלאכותיות לא רלוונטיות.
ממד גבוה (High Dimensionality): במערכי נתונים עם הרבה תכונות, יצירת דוגמאות אינטרפולציה עלולה להיות פחות מייצגת.
Boundary Overlap: עלולה להכניס דוגמאות חדשות לתחום מחלקת הרוב, מה שמוביל לערבוב מסוכן.
הרחבות ל־SMOTE
במהלך השנים פותחו גרסאות מתקדמות:
Borderline-SMOTE – מתמקד ביצירת דוגמאות קרובות לגבול ההחלטה בין המחלקות.
SMOTEENN / SMOTETomek – שילוב SMOTE עם טכניקות undersampling כדי לנקות דוגמאות חופפות או מיותרות.
ADASYN (Adaptive Synthetic Sampling) – יוצר יותר דוגמאות באזורים שקשה יותר לסווג, ומעט פחות באזורים ברורים.
שימושים נפוצים של SMOTE
זיהוי הונאות פיננסיות – כאשר עסקאות הונאה מהוות פחות מ־1% מכלל העסקאות.
אבחון רפואי – מחלות נדירות עם מעט דגימות ביחס למחלות נפוצות.
תחזוקה חזויה (Predictive Maintenance) – כשלים נדירים בציוד תעשייתי.
זיהוי אנומליות בסייבר – התקפות אבטחה לעומת תעבורה תקינה.
שירותי SMOTE של קורל טכנולוגיות
ב־Coral Technologies אנו משלבים SMOTE וגרסאות מתקדמות שלו כחלק ממערך פתרונות
Data Science ו־AI:
ניתוח איזון המחלקות והערכת איכות נתונים.
יישום SMOTE מותאם לבעיה (רגילה, Borderline או ADASYN).
בניית צנרת ML מלאה כולל preprocessing, oversampling ו־validation.
אינטגרציה עם מערכות זיהוי בזמן אמת – פיננסים, בריאות ותעשייה.
אופטימיזציה עם Explainable AI כדי להבטיח אמון ושקיפות.
שאלות ותשובות בנושא SMOTE
האם תמיד כדאי להשתמש ב־SMOTE?
לא בהכרח. אם מחלקת המיעוט כוללת רעש רב או מעט מדי תכונות מובהקות, SMOTE עלולה להחמיר ביצועים.
איך בודקים הצלחת SMOTE?
מומלץ לבצע Cross-Validation ולבחון מדדים כמו ROC-AUC, Precision-Recall, ולא להסתפק בדיוק כללי.
האם SMOTE מתאים לנתונים קטגוריים?
לא באופן ישיר. קיימות הרחבות כמו SMOTE-NC לטיפול בתכונות קטגוריות.

