Когда дело касается обучения, мы, как правило, используем один из двух основных подходов: идём либо вширь и стараемся охватить как можно больший спектр области, либо вглубь и пытаемся получить конкретику в изучаемой нами теме...

Источник: Nuances of Programming Метод увеличения числа примеров миноритарного класса (Synthetic Minority Over-sampling Technique, SMOTE)  —  это алгоритм предварительной обработки данных, используемый для устранения дисбаланса классов в наборе данных. В реальном мире нередко приходится обучать модель на наборе данных с очень малым количеством примеров определенного класса. Чаще всего эта проблема возникает при создании классификатора для диагностирования редких заболеваний, выявления производственных дефектов, раскрытия мошеннических транзакций...