「オーバーサンプリング（Oversampling）」と「アンダーサンプリング（Undersampling）」をやさしく丁寧に解説

こんにちは。ゆうせいです。

今回は、「オーバーサンプリング（Oversampling）」と「アンダーサンプリング（Undersampling）」という、不均衡データを扱うための重要なテクニックについて解説します。

「クラスが偏ってるとモデルがうまく学習しないって聞いたけど、どう対処するの？」
「オーバーとアンダーって何がどう違うの？」

そんな疑問を持っている方へ。
この記事では、両者の違い・使い分け・メリットとデメリット・よくある手法まで、やさしく丁寧にお伝えしていきます！

不均衡データとは？

まず前提として、「不均衡データ（imbalanced data）」とは何かをおさらいしましょう。

たとえば、ある医療データで「陽性患者が全体の1％、残り99％が陰性」のように、分類クラスの数が極端に偏っている場合です。

このような状態では、学習したモデルが「全部陰性」と予測しても99％正解してしまうため、
本当に知りたい「陽性」を見つける力が低くなります。

オーバーサンプリング vs アンダーサンプリング

どちらも「クラスのバランスを整える」ための方法！

オーバーサンプリングの特徴

方法の例

• 単純な複製（同じデータをコピー）
• SMOTE（Synthetic Minority Over-sampling Technique）
  → 少数派クラスの近くに似たような合成データを作る手法

メリット・デメリット

アンダーサンプリングの特徴

方法の例

• ランダム削除（マジョリティクラスのデータをランダムに間引く）
• Tomek Links・NearMissなどの知識ベースな間引き方法

メリット・デメリット

図でイメージしよう！

元のデータ（不均衡）

●●●●●●●●●●●●●●●（多数派クラス）  
○○（少数派クラス）

↓オーバーサンプリング  
●●●●●●●●●●●●●●●  
○○○○○○○○○○○○○○○（○を増やす）

↓アンダーサンプリング  
●●●●●●●●●●●（●を減らす）  
○○（○はそのまま）

どちらを使えばいいの？

実際によく使われる技法

これらはPythonのライブラリ「imbalanced-learn」で簡単に使えます。

まとめ！

今後の学習の指針

オーバーサンプリングとアンダーサンプリングの基礎が理解できたら、次は以下を学ぶと良いでしょう：

1. SMOTEなどの高度なオーバーサンプリング法の仕組みを詳しく学ぶ
2. 実際の不均衡データセットで、各手法を比較して精度を検証してみる
3. クラス不均衡に強いアルゴリズム（XGBoostなど）との組み合わせも試す

クラスのバランスは、モデル性能に大きく影響する重要ポイントです。
今回の知識をベースに、実際の課題にうまく適用できるようになりましょう！

生成AI研修のおすすめメニュー

投稿者プロフィール

山崎講師代表取締役

セイ・コンサルティング・グループ株式会社代表取締役。
岐阜県出身。
2000年創業、2004年会社設立。
IT企業向け人材育成研修歴業界歴20年以上。
すべての無駄を省いた費用対効果の高い「筋肉質」な研修を提供します！
この記事に間違い等ありましたらぜひお知らせください。

最新の投稿

• 全ての社員2025年7月7日「白色化（whitening）」について、やさしく、でも本質的に解説
• 全ての社員2025年7月7日「オーバーサンプリング（Oversampling）」と「アンダーサンプリング（Undersampling）」をやさしく丁寧に解説
• 全ての社員2025年7月7日誤差（ごさ）」について、やさしく丁寧に解説
• 全ての社員2025年7月7日MAE・MSE・RMSEの違いについて