smote

데이터 불균형 문제를 해결하기 위해 소수 클래스의 데이터를 인위적으로 생성하여 데이터셋의 균형을 맞추는 기법이다. 단순히 데이터를 복제하는 대신 이웃한 데이터들 사이의 값을 보간하여 새로운 샘플을 만들어내므로 과적합 위험을 줄이면서 모델의 재현율을 높이는 데 효과적이다.