# AI Oversampling SMOTE tăng mẫu thiểu số

Tiếng Anh: AI SMOTE Oversampling

Kỹ thuật tăng mẫu lớp thiểu số bằng cách tạo điểm dữ liệu nội suy, giải quyết vấn đề Class Imbalance trong phát hiện gian lận và NPL.

Nguồn: https://vieclam.nganhang.com/thuat-ngu/ai-oversampling-smote-tang-mau-thieu-so-la-gi
Danh mục: AI & Machine Learning trong ngân hàng
Cập nhật: 13/09/2026

## AI Oversampling SMOTE tăng mẫu thiểu số là gì?

**AI Oversampling SMOTE** (viết tắt của **Synthetic Minority Over-sampling Technique**) tăng mẫu thiểu số là một kỹ thuật tiền xử lý dữ liệu quan trọng trong lĩnh vực Trí tuệ nhân tạo (**Artificial Intelligence** – AI) và Học máy (**Machine Learning**), được giới thiệu lần đầu bởi Nitesh V. Chawla, Kevin W. Bowyer, Lawrence O. Hall và W. Philip Kegelmeyer vào năm 2002 trong bài báo khoa học công bố trên tạp chí *Journal of Artificial Intelligence Research*. Kỹ thuật này ra đời nhằm giải quyết một trong những thách thức phổ biến nhất của các bài toán phân loại trong thực tế: tình trạng mất cân bằng dữ liệu (**class imbalance**), trong đó số lượng quan sát thuộc **lớp thiểu số** (minority class) chỉ chiếm tỷ lệ rất nhỏ so với **lớp đa số** (majority class). Ví dụ kinh điển trong ngành ngân hàng là giao dịch gian lận — cứ khoảng 10.000 giao dịch thẻ tín dụng có thể chỉ có từ 1 đến 5 giao dịch là gian lận, tức tỷ lệ chưa đến 0,05%. Nếu không có biện pháp xử lý, các mô hình **Machine Learning** sẽ bị "thiên vị" về phía lớp đa số và gần như không phát hiện được các trường hợp hiếm hoi nhưng lại có giá trị cực kỳ quan trọng.

Điểm khác biệt cốt lõi của SMOTE so với phương pháp **Random Oversampling** truyền thống nằm ở chỗ: thay vì đơn thuần sao chép (duplicate) các mẫu gốc của lớp thiểu số — vốn dễ dẫn đến hiện tượng quá khớp (**overfitting**), SMOTE tạo ra những điểm **dữ liệu tổng hợp** (synthetic samples) hoàn toàn mới bằng phương pháp **nội suy tuyến tính** (linear interpolation) giữa một điểm gốc và một trong những điểm **lân cận gần nhất** (k-Nearest Neighbors) của nó trong **không gian đặc trưng** (feature space). Cách tiếp cận này giúp tăng cường tính đa dạng của tập huấn luyện, đồng thời giảm thiểu nguy cơ mô hình ghi nhớ máy móc các mẫu cũ. Trong bối cảnh ngân hàng, đây là kỹ thuật nền tảng được ứng dụng trong hầu hết các mô hình phát hiện gian lận (**fraud detection**), chấm điểm tín dụng (**credit scoring**), phát hiện rửa tiền (**Anti-Money Laundering** – AML) và phân loại khách hàng rủi ro cao.

**Thuật ngữ tiếng Anh:** AI SMOTE Oversampling
**Lĩnh vực:** AI & Machine Learning trong ngân hàng

## Đặc điểm và phân loại

SMOTE có nhiều biến thể và đặc điểm kỹ thuật đa dạng, đáp ứng các bài toán khác nhau trong ngân hàng. Dưới đây là bảng phân loại chi tiết:

### Bảng 1: Các biến thể phổ biến của SMOTE

| Biến thể | Đặc điểm | Ưu điểm | Nhược điểm | Ứng dụng trong ngân hàng |
|---|---|---|---|---|
| **SMOTE gốc (Classic SMOTE)** | Nội suy tuyến tính giữa điểm gốc và k hàng xóm gần nhất ngẫu nhiên | Đơn giản, dễ triển khai, tăng tính đa dạng dữ liệu | Có thể tạo mẫu nhiễu nếu lớp thiểu số phân tán | Chấm điểm tín dụng cá nhân |
| **Borderline-SMOTE** | Chỉ tạo mẫu tổng hợp cho các điểm nằm ở "ranh giới" giữa hai lớp | Tập trung vào vùng khó phân loại, hiệu quả hơn cho mô hình | Không phù hợp khi lớp thiểu số quá thưa | Phát hiện gian lận thẻ tín dụng |
| **ADASYN** | Tạo nhiều mẫu hơn ở vùng có mật độ lớp thiểu số thấp, thích ứng theo phân phối | Tự động điều chỉnh theo độ khó của dữ liệu | Nhạy với nhiễu (**noise**) | Phát hiện giao dịch bất thường |
| **SMOTE-ENN** | Kết hợp SMOTE với Edited Nearest Neighbors để loại bỏ mẫu nhiễu | Làm sạch dữ liệu song song, tăng chất lượng mẫu | Chi phí tính toán cao | Phân loại khách hàng nợ xấu |
| **SMOTE-Tomek** | Kết hợp SMOTE với Tomek Links để xóa mẫu mơ hồ ở ranh giới | Cải thiện đáng kể hiệu suất phân loại | Cần nhiều bộ nhớ hơn | Mô hình quản trị rủi ro tín dụng |
| **Safe-Level SMOTE** | Chỉ nội suy khi khoảng cách giữa hai điểm được coi là an toàn | Hạn chế tạo mẫu nhiễu | Tốc độ xử lý chậm hơn | Phát hiện rửa tiền liên quan đến mạng lưới |

### Bảng 2: So sánh SMOTE với các kỹ thuật cân bằng dữ liệu khác

| Kỹ thuật | Nguyên lý | Ưu điểm | Nhược điểm |
|---|---|---|---|
| **Random Oversampling** | Sao chép ngẫu nhiên mẫu lớp thiểu số | Đơn giản, nhanh, dễ triển khai | Gây **overfitting** nặng, mất tính đa dạng |
| **Random Undersampling** | Loại bỏ ngẫu nhiên mẫu lớp đa số | Giảm kích thước tập dữ liệu, nhanh | Mất thông tin quý giá của lớp đa số |
| **SMOTE** | Nội suy tuyến tính tạo mẫu tổng hợp | Tăng tính đa dạng, giảm **overfitting** | Phức tạp hơn về mặt tính toán |
| **Class Weighting** | Gán trọng số lớp ngược tỷ lệ mẫu | Không cần xử lý lại dữ liệu | Cần điều chỉnh siêu tham số |
| **Ensemble với Resampling** | Kết hợp nhiều kỹ thuật trên nhiều mô hình | Hiệu quả cao, ổn định | Chi phí triển khai lớn |

### Đặc điểm kỹ thuật cốt lõi của SMOTE

- **Công thức nội suy:** Với một điểm gốc `x` trong lớp thiểu số và điểm lân cận gần nhất `x_nn`, mẫu tổng hợp mới được tạo theo công thức: `x_synthetic = x + λ × (x_nn − x)`, trong đó `λ` là một số ngẫu nhiên trong khoảng [0, 1].
- **Tham số k (số láng giềng):** Thường được chọn là 5 hoặc 6, là giá trị mặc định phổ biến nhất theo khuyến nghị của tác giả gốc.
- **Tỷ lệ cân bằng:** Tùy thuộc vào mức độ chênh lệch giữa hai lớp, có thể cân bằng hoàn toàn (1:1), một phần (1:5, 1:10) hoặc theo công thức do người dùng định nghĩa.
- **Áp dụng đúng quy trình:** SMOTE chỉ nên áp dụng trên **tập huấn luyện** (training set), **TUYỆT ĐỐI KHÔNG** áp dụng trên **tập kiểm tra** (test set) để tránh hiện tượng rò rỉ dữ liệu (**data leakage**).

### Ưu điểm và nhược điểm tổng thể của SMOTE

| Tiêu chí | Nội dung |
|---|---|
| **Ưu điểm** | Tăng tính đa dạng dữ liệu, giảm **overfitting**, cải thiện F1-Score và Recall, không mất thông tin, dễ tích hợp vào pipeline |
| **Nhược điểm** | Có thể tạo mẫu ở vùng "không thực tế", nhạy với nhiễu, chi phí tính toán cao với tập dữ liệu lớn, cần chọn biến thể phù hợp |

## Ví dụ thực tế trong ngành ngân hàng

### Ví dụ 1: Phát hiện gian lận thẻ tín dụng tại Ngân hàng A

Ngân hàng A (một ngân hàng thương mại cổ phần lớn tại Việt Nam với khoảng 15 triệu khách hàng và 8 triệu thẻ đang lưu hành) xử lý trung bình 12 triệu giao dịch thẻ mỗi ngày. Trong năm tài chính gần nhất, tỷ lệ giao dịch gian lận được phát hiện chỉ chiếm 0,07% tổng số giao dịch, tương đương khoảng 8.400 trường hợp gian lận — con số rất nhỏ so với hơn 11,9 triệu giao dịch hợp lệ còn lại. Đội ngũ Khoa học dữ liệu (**Data Science**) của ngân hàng nhận thấy mô hình **Gradient Boosting** ban đầu đạt độ chính xác (**accuracy**) lên tới 99,9%, nhưng chỉ phát hiện được 35% số vụ gian lận thực tế (Recall chỉ đạt 0,35), nghĩa là bỏ sót khoảng 5.460 vụ, gây thiệt hại ước tính 87 tỷ đồng.

Sau khi áp dụng **Borderline-SMOTE** với tham số `k_neighbors = 5` và tỷ lệ cân bằng 1:10, số lượng mẫu gian lận tổng hợp được tạo ra thêm là 119.000 mẫu. Mô hình **XGBoost** cải tiến đã nâng Recall lên 78% và F1-Score tăng từ 0,42 lên 0,71. Nhờ đó, Ngân hàng A tiết kiệm được khoảng 56 tỷ đồng thiệt hại tiềm ẩn trong năm đầu tiên triển khai, đồng thời giảm 62% số lượng giao dịch gian lận bị bỏ sót.

### Ví dụ 2: Chấm điểm tín dụng cá nhân tại Ngân hàng B

Ngân hàng B (ngân hàng có vốn nhà nước lớn nhất Việt Nam, tập trung vào tín dụng cá nhân và doanh nghiệp vừa và nhỏ) sở hữu khoảng 22 triệu khách hàng cá nhân đang có quan hệ tín dụng. Trong tổng số hồ sơ vay được xét duyệt, chỉ khoảng 3,2% khách hàng rơi vào nhóm nợ xấu Nhóm 3–5 theo phân loại của Ngân hàng Nhà nước, nghĩa là tỷ lệ mất cân bằng là 1:30. Mô hình **Logistic Regression** (Hồi quy Logistic) truyền thống thường đánh giá thấp rủi ro, dẫn đến tỷ lệ phê duyệt sai (**false approval**) lên tới 28% trong nhóm nợ xấu.

Đội ngũ phân tích đã áp dụng **SMOTE-Tomek** để vừa tăng mẫu nợ xấu, vừa làm sạch dữ liệu nhiễu ở vùng ranh giới. Sau khi xử lý, mô hình **XGBoost** đạt AUC-ROC = 0,82, F1-Score = 0,68, giúp ngân hàng phát hiện thêm 14% trường hợp nợ xấu tiềm ẩn, ước tính giảm dư nợ xấu khoảng 2.300 tỷ đồng trong danh mục tín dụng cá nhân. Kết quả này góp phần giảm tỷ lệ nợ xấu (NPL) toàn ngân hàng xuống mức dưới 1,8%, đảm bảo tuân thủ các tỷ lệ an toàn vốn theo **Basel II** và **Basel III**.

### Ví dụ 3: Phát hiện giao dịch rửa tiền tại Ngân hàng C

Ngân hàng C (một ngân hàng số thuần túy kết hợp công nghệ fintech) phục vụ 6 triệu khách hàng và xử lý khoảng 4,5 triệu giao dịch mỗi tháng. Theo quy định **phòng chống rửa tiền** (AML), chỉ có khoảng 0,03% giao dịch bị đánh dấu đáng ngờ — tương đương 1.350 giao dịch mỗi tháng. Tuy nhiên, tỷ lệ cảnh báo sai (**false positive**) lên tới 95%, khiến đội ngũ tuân thủ (**compliance**) phải xử lý thủ công hơn 25.700 trường hợp mỗi tháng, chi phí nhân sự ước tính 1,8 tỷ đồng/tháng.

Bằng cách kết hợp **ADASYN** với mô hình **Random Forest** (Rừng ngẫu nhiên) cho 4 biến chính (số tiền giao dịch, tần suất, quốc gia đối tác, độ lệch so với hành vi lịch sử), tỷ lệ cảnh báo sai giảm xuống còn 78%, tỷ lệ phát hiện đúng (**true positive rate**) tăng từ 5% lên 19%. Nhờ đó, ngân hàng tiết kiệm khoảng 580 triệu đồng chi phí vận hành mỗi tháng và rút ngắn thời gian điều tra trung bình từ 45 phút xuống 12 phút/ca. Đây là minh chứng rõ ràng cho hiệu quả của SMOTE trong bài toán phân loại đa lớp không cân bằng theo quy định của **FATF** (Financial Action Task Force).

## AI Oversampling SMOTE tăng mẫu thiểu số trong các ngôn ngữ khác

| Ngôn ngữ | Thuật ngữ | Phiên âm |
|---|---|---|
| Tiếng Anh | SMOTE Oversampling / Synthetic Minority Over-sampling Technique | /sɪnˈθɛtɪk maɪˈnɒrɪti ˈoʊvərˌsæmplɪŋ tɛkˈniːk/ |
| Tiếng Nhật | SMOTEオーバーサンプリング (合成少数標本拡張手法) | esu-mō-te ōbā-sanpurinku (gōsei shōsū hyōhon kakuchū shuhō) |
| Tiếng Hàn | SMOTE 오버샘플링 (합성 소수 표본 확장 기법) | es-mō-te o-beo-saem-peul-ling (hap-seong so-su pyo-bon hwak-jang gi-beop) |
| Tiếng Trung | SMOTE 过采样 (合成少数类过采样技术) | SMOTE guò cǎi-yàng (héchéng shǎo-shù lèi guò cǎi-yàng jì-shù) |
| Tiếng Tây Ban Nha | Sobremuestreo SMOTE / Técnica de Sobremuestreo de Minorías Sintéticas | /teˈknika ðe so.βɾe.mwesˈtɾe.o ðe mi.noˈɾi.as sinˈte.ti.kas/ |

## Câu hỏi thường gặp

### AI Oversampling SMOTE tăng mẫu thiểu số khác gì Random Oversampling?

**SMOTE** tạo ra các mẫu tổng hợp mới bằng **nội suy tuyến tính** giữa điểm gốc và điểm lân cận trong không gian đặc trưng, giúp tăng tính đa dạng dữ liệu và giảm hiện tượng quá khớp (**overfitting**). Ngược lại, **Random Oversampling** chỉ đơn thuần sao chép các mẫu gốc, không tạo thêm điểm dữ liệu mới nào. Điều này khiến mô hình dễ "ghi nhớ" các mẫu cũ thay vì học được quy luật tổng quát — đặc biệt nguy hiểm trong bài toán phát hiện gian lận nơi các mẫu mới liên tục xuất hiện với **pattern** đa dạng. Do đó, SMOTE luôn là lựa chọn ưu tiên khi xử lý mất cân bằng dữ liệu nghiêm trọng trong ngân hàng.

### Khi nào cần biết về AI Oversampling SMOTE tăng mẫu thiểu số?

Bạn cần nắm vững kiến thức về SMOTE khi tham gia các kỳ thi tuyển dụng vào vị trí **Data Analyst**, **Data Scientist**, **Risk Analyst** hoặc **Fraud Analyst** tại các ngân hàng, công ty **fintech** hoặc công ty bảo hiểm. Ngoài ra, khi xây dựng bất kỳ mô hình phân loại nào có tỷ lệ mất cân bằng giữa hai lớp vượt quá 1:10 (ví dụ: gian lận chiếm dưới 10% tổng giao dịch), bạn bắt buộc phải cân nhắc áp dụng SMOTE hoặc các biến thể của nó. Kỹ thuật này cũng thường xuất hiện trong câu hỏi phỏng vấn về tiền xử lý dữ liệu (**data preprocessing**) và xây dựng **pipeline Học máy** trong ngân hàng, cũng như trong các chứng chỉ nghề nghiệp như **FRM** (Financial Risk Manager) và **PRM** (Professional Risk Manager).

### AI Oversampling SMOTE tăng mẫu thiểu số ảnh hưởng thế nào đến khách hàng?

**SMOTE** gián tiếp bảo vệ khách hàng ngân hàng thông qua việc cải thiện đáng kể khả năng phát hiện **gian lận thẻ**, phát hiện tài khoản bị xâm nhập, và đánh giá chính xác hơn năng lực trả nợ của người vay. Khi mô hình hoạt động hiệu quả hơn, khách hàng sẽ được bảo vệ tốt hơn trước những rủi ro tài chính do gian lận hoặc các quyết định tín dụng sai. Một mô hình tốt còn giúp những khách hàng có lịch sử tín dụng mỏng nhưng có tiềm năng được tiếp cận vốn công bằng hơn, tránh bị từ chối oan do mô hình phân loại sai lệch — điều này đặc biệt có ý nghĩa với các doanh nghiệp nhỏ và hộ kinh doanh cá thể đang muốn vay vốn để phát triển sản xuất.

## Tổng kết

**AI Oversampling SMOTE** tăng mẫu thiểu số là một trong những kỹ thuật tiền xử lý dữ liệu quan trọng bậc nhất trong hệ sinh thái **Trí tuệ nhân tạo** và **Học máy** ứng dụng vào ngân hàng. Với khả năng tạo ra các mẫu tổng hợp đa dạng cho lớp thiểu số thông qua nội suy tuyến tính dựa trên thuật toán **k-Nearest Neighbors**, SMOTE đã trở thành công cụ không thể thiếu trong các bài toán phát hiện gian lận, chấm điểm tín dụng và phòng chống rửa tiền. Tuy nhiên, để vận dụng hiệu quả, người học cần nắm vững nguyên lý, các biến thể nâng cao (**Borderline-SMOTE**, **ADASYN**, **SMOTE-ENN**, **SMOTE-Tomek**), cũng như quy trình chuẩn: chỉ áp dụng trên **tập huấn luyện**, sử dụng các chỉ số **F1-Score** và **AUC-ROC** thay vì **Accuracy**, đồng thời kết hợp với các thuật toán phân loại mạnh như **XGBoost**, **Random Forest** hay **Deep Learning**. Đối với ứng viên thi tuyển vào ngân hàng, việc hiểu sâu SMOTE không chỉ giúp vượt qua vòng phỏng vấn kỹ thuật mà còn là nền tảng để làm chủ các dự án AI thực tế trong ngành tài chính – ngân hàng Việt Nam đang trên đà chuyển đổi số mạnh mẽ theo **Quyết định 2345/QĐ-NHNN** và các chủ trương của **Ngân hàng Nhà nước Việt Nam**.

## Thuật ngữ liên quan

- [Chấm điểm tín dụng](https://vieclam.nganhang.com/thuat-ngu/cham-diem-tin-dung-la-gi) — Mô hình đánh giá mức độ tín nhiệm của khách hàng dựa trên lịch sử tài chính, hành vi giao dịch và nhiều yếu tố khác.
- [Mô hình chấm điểm tín dụng](https://vieclam.nganhang.com/thuat-ngu/mo-hinh-cham-diem-tin-dung-la-gi) — Mô hình thống kê (hồi quy logistic, cây quyết định, machine learning) gán điểm cho khách hàng dựa trên dữ liệu tài chính và phi tài chính để quyết định cấp tín…
- [Mô hình phát hiện gian lận](https://vieclam.nganhang.com/thuat-ngu/mo-hinh-phat-hien-gian-lan-la-gi) — Thuật toán AI/ML được đào tạo để nhận diện hành vi lừa đảo trong các giao dịch ngân hàng.
- [Phát hiện gian lận thẻ](https://vieclam.nganhang.com/thuat-ngu/phat-hien-gian-lan-the-la-gi) — Hệ thống phân tích real-time các giao dịch thẻ tín dụng/ghi nợ dựa trên địa điểm, thiết bị, số tiền để chặn giao dịch gian lận trong vòng milisecond.
- [Phát hiện rửa tiền](https://vieclam.nganhang.com/thuat-ngu/phat-hien-rua-tien-la-gi) — Phân tích mạng lưới giao dịch và mẫu hành vi đáng ngờ theo quy định AML/CFT nhằm phát hiện hoạt động rửa tiền và tài trợ khủng bố.
- [Quyết định 2345/QĐ-NHNN](https://vieclam.nganhang.com/thuat-ngu/quyet-dinh-2345qd-nhnn-la-gi) — Quyết định của Ngân hàng Nhà nước Việt Nam ban hành năm 2023 quy định về bảo đảm an toàn thông tin trong hoạt động ngân hàng.
- [Rủi ro công nghệ thông tin](https://vieclam.nganhang.com/thuat-ngu/rui-ro-cong-nghe-thong-tin-la-gi) — Rủi ro từ hệ thống CNTT bị lỗi, gián đoạn, lạc hậu hoặc không đáp ứng yêu cầu bảo mật, gây tác động tiêu cực đến hoạt động ngân hàng.
- [Tiền xử lý dữ liệu](https://vieclam.nganhang.com/thuat-ngu/tien-xu-ly-du-lieu-la-gi) — Bước làm sạch, chuẩn hóa và biến đổi dữ liệu thô thành định dạng phù hợp để huấn luyện mô hình học máy trong ngân hàng.