Какие знаешь алгоритмы размножения редких данных

SMOTE (Synthetic Minority Over-sampling Technique) – генерирует синтетические примеры для минорного класса, интерполируя между ближайшими соседями.

ADASYN (Adaptive Synthetic Sampling) – аналогичен SMOTE, но создает больше примеров в областях с высокой плотностью минорного класса.

Random Oversampling – дублирует случайные примеры минорного класса.

Пример SMOTE в Python:

from imblearn.over_sampling import SMOTE

smote = SMOTE()
X_resampled, y_resampled = smote.fit_resample(X_train, y_train)

Методы undersampling (Tomek Links, NearMiss) удаляют примеры мажоритарного класса, но могут потерять важную информацию.

Гибридные методы (SMOTE + Tomek) комбинируют oversampling и undersampling.