SMOTE算法（Synthetic Minority Over-Sampling Technique，人工少數類過採樣技術）是一種用於處理數據集中類別不平衡問題的技術，主要用於增加少數類樣本的數量，從而使數據集達到更好的平衡狀態。其基本原理如下：
SMOTE算法通過在少數類樣本之間進行插值，合成新的樣本，以增加少數類的數量。
該算法首先計算每個少數類樣本與所有其他少數類樣本之間的距離，並找到其K個最近鄰居。
然後，從這K個鄰居中隨機選擇一個，並計算該鄰居與當前樣本之間的差異。
根據這個差異比例，在兩個樣本之間的連線上生成一個新的合成樣本。
這個過程可以重複多次，以生成指定數量的合成樣本。
相較於傳統的過採樣方法，SMOTE算法能夠更好地避免過擬合問題，並且通過在少數類的現有樣本之間插值來創建新的樣本，有助於模型學習更好地泛化到未見過的數據。SMOTE算法的關鍵在於通過插值生成合成樣本，從而使得少數類樣本的特徵空間得到擴展，這有助於模型更好地探索和學習少數類的特徵，提高模型的性能。