詳細解釋
ADASYN（Adaptive Synthetic Sampling）是 2008 年由 He、Bai、Garcia、Li 在 IEEE IJCNN 提出的過採樣演算法，用於處理機器學習 (ML)中的類別不平衡問題。與 SMOTE (合成少數過採樣) 同屬合成少數類過採樣，差別在於 ADASYN 會根據「學習難度」分配權重：越難分類的少數類樣本周圍，會生成越多合成樣本，使決策邊界往難例移動，同時減輕不平衡帶來的偏差。
實作上通常以少數類的 k 近鄰生成新樣本，並在 imbalanced-learn 等套件中提供。適用於二分類與多分類，參數包含採樣比例、近鄰數等。適合與 SMOTE (合成少數過採樣)、欠採樣或集成學習方法搭配，用於詐騙偵測、異常檢測、疾病篩檢等正負樣本懸殊的場景。