SMOTE（Synthetic Minority Over-sampling Technique）是一種處理類別不平衡的過取樣方法。它會在少數類別樣本與其近鄰之間建立連線，隨機插值產生新的合成樣本，讓少數類分布更完整。主要作用是提升模型對少數類的辨識能力，降低模型只偏向多數類的問題，常用於詐欺偵測、異常偵測與醫療風險分類等任務。