最近在看过采样的方法时看到Safe-Level-SMOTE这篇论文，论文全称为

《Safe-Level-SMOTE Safe-Level-Synthetic Minority Over-Sampling TEchnique for Handling the Class Imbalanced Problem》

看到网上对这种算法介绍的博客比较少，特此留篇见解。有什么理解错误的地方恳请指正。

这篇论文给出的算法如下：

算法具体介绍如下：

D -待过采样的少数类的样本集合

p -D中的某一个样本

1. 求出p的k个最近邻居，k个邻居在D中的数目记为slp，取某一个邻居记为n
2. 求出n的k个最近邻居，k个邻居在D中的数目记为sln
3. 设置比例sl_ratio = slp/sln

• case1：

 sl_ratio = ∞并且slp = 0，即少数类样本p的k个最近邻居都是多数类样本，此时不产生合成数据（个人理解，这里是把p点当成噪声了）。

• case2：

sl_ratio = ∞并且slp 不为 0，即sln相对于slp非常小在情况下比值才会为0，n样本点位于多数类样本中，此时复制p点。

• case3：

sl_ratio = 1，即sln=slp，此时在n和p点之间合成新的样本，合成方式同smote。

• case4：

sl_ratio > 1，即slp>sln，此时p点样本周围小类样本的数目要大于n点样本周围小类样本的数目，视p点为safe level，在p和n点之间以smote中的β=0~1/sl_ratio合成新的样本，合成的样本位置偏向于p点。

• case5：

sl_ratio < 1，即slp<sln，此时p点样本周围小类样本的数目要小于n点样本周围小类样本的数目，视n点为safe level，在p和n点之间以smote中的β=1-sl_ratio~1合成新的样本，合成的样本位置偏向于n点。

循环直到满足要达到的过采样数量为止。

这种方法避免了smote随机区域合成，可能会与多数类样本重叠的缺点。但这种方法合成得到的样本位置更偏向于少数类中密度集中的地方，不能在决策边界上进行过采样。