某銀行建立 AI 詐欺交易偵測模型。歷史交易資料中，詐欺樣本比例極低，導致模型訓練時偏向預測為「正常交易」。資料科學團隊評估採用 SMOTE（Synthetic Minority Over-sampling Technique）改善訓練資料分佈。下列何者最符合 SMOTE 技術的主要功能？
答案 （B）
核心概念
SMOTE 的全名是「合成少數類別過採樣技術」，做法是在少數類別樣本的特徵空間中，取一個樣本與它的近鄰樣本，在兩者連線上內插產生一筆新的合成樣本。因為是「造出新的」而不是「複製舊的」，可以避免單純重複採樣造成的過度擬合。名字已經把功能寫清楚：Synthetic（合成）、Minority（少數類別）、Over-sampling（過採樣）。
答題技巧
快速判斷技巧：把英文縮寫拆開就是答案——Synthetic（合成新的）、Minority（少數類別）、Over-sampling（增加而非減少）。三個字對應到選項，(B) 全中。
易錯陷阱：(A)(C)(D) 都是真實存在且能處理資料不平衡的手段，容易讓人覺得都對。要分清楚它們的作用層：SMOTE 與欠採樣在「資料層」、權重調整在「模型層」、分層抽樣在「評估層」。題目問 SMOTE，就只能是合成新樣本。