# AI SMOTE cân bằng lớp

Tiếng Anh: SMOTE (Synthetic Minority Over-sampling Technique)

SMOTE tạo mẫu tổng hợp cho lớp thiểu số, giúp giải quyết tình trạng mất cân bằng giữa khoản vay xấu và tốt trong tập huấn luyện.

Nguồn: https://vieclam.nganhang.com/thuat-ngu/ai-smote-can-bang-lop-la-gi
Danh mục: AI & Machine Learning trong ngân hàng
Cập nhật: 13/09/2026

## AI SMOTE cân bằng lớp là gì?

**AI SMOTE cân bằng lớp** (viết tắt của **Synthetic Minority Over-sampling Technique**) là một kỹ thuật tiền xử lý dữ liệu quan trọng trong lĩnh vực học máy (**Machine Learning**) và trí tuệ nhân tạo (**Artificial Intelligence**), được thiết kế đặc biệt để giải quyết vấn đề mất cân bằng giữa các lớp (**class imbalance**) trong tập dữ liệu huấn luyện. Kỹ thuật này được giới thiệu lần đầu bởi Nitesh V. Chawla và các cộng sự vào năm 2002 thông qua bài báo khoa học đăng tải trên tạp chí *Journal of Artificial Intelligence Research*, và kể từ đó đã trở thành một trong những phương pháp được trích dẫn nhiều nhất trong cộng đồng khai phá dữ liệu (**Data Mining**). Khác với phương pháp **Random Over-Sampling** truyền thống chỉ đơn thuần sao chép các quan sát hiện có của lớp thiểu số, **SMOTE** tạo ra các mẫu tổng hợp nhân tạo thông qua cơ chế nội suy tuyến tính trong không gian đặc trưng (**feature space**), qua đó giúp mở rộng vùng quyết định của lớp thiểu số và giảm thiểu hiện tượng quá khớp (**overfitting**) khi huấn luyện mô hình.

Về nguyên lý hoạt động cốt lõi, **SMOTE** hoạt động theo cơ chế tìm kiếm lân cận gần nhất (**k-Nearest Neighbors – kNN**). Cụ thể, đối với mỗi điểm dữ liệu **x** thuộc lớp thiểu số, thuật toán sẽ tính toán khoảng cách Euclidean đến tất cả các điểm khác trong cùng lớp thiểu số, sau đó xác định **k** lân cận gần nhất (thông số phổ biến nhất là k = 5). Tiếp theo, một lân cận được chọn ngẫu nhiên từ tập **k** lân cận này, và một mẫu tổng hợp mới được tạo ra trên đoạn thẳng nối giữa **x** và lân cận được chọn theo công thức: **x_mới = x + λ × (x_lân_cận - x)**, trong đó **λ** là một hệ số ngẫu nhiên có phân phối đều trong khoảng **[0, 1]**. Quá trình này được lặp lại cho đến khi đạt được tỷ lệ cân bằng mong muốn giữa hai lớp. Nhờ cơ chế nội suy này, các mẫu tổng hợp không chỉ mang đặc điểm của một quan sát duy nhất mà còn phản ánh sự đa dạng trong không gian đặc trưng, giúp mô hình học được ranh giới quyết định (**decision boundary**) tổng quát hơn.

Trong bối cảnh ngân hàng Việt Nam và trên toàn cầu, **SMOTE** có ý nghĩa đặc biệt quan trọng bởi hầu hết các bài toán phân loại trong ngành tài chính – ngân hàng đều mang tính chất mất cân bằng nghiêm trọng. Theo thống kê thực tế từ nhiều ngân hàng thương mại, tỷ lệ khách hàng vỡ nợ so với tổng số khách hàng vay thường chỉ chiếm từ 2% đến 5%, trong khi tỷ lệ giao dịch gian lận thẻ tín dụng so với tổng số giao dịch hợp lệ thậm chí còn thấp hơn, chỉ khoảng **0,1% đến 0,3%**. Nếu không có kỹ thuật cân bằng dữ liệu, các mô hình **Machine Learning** sẽ có xu hướng nghiêng về dự đoán mọi trường hợp đều thuộc lớp đa số, dẫn đến độ chính xác tổng thể (**Accuracy**) có thể đạt trên **95%** nhưng khả năng phát hiện các trường hợp rủi ro lại vô cùng thấp, gây ra hậu quả nghiêm trọng cho công tác quản trị rủi ro.

**Thuật ngữ tiếng Anh:** SMOTE (Synthetic Minority Over-sampling Technique)
**Lĩnh vực:** Trí tuệ nhân tạo & Học máy trong ngân hàng (AI & Machine Learning in Banking)

## Đặc điểm và phân loại

Kỹ thuật **SMOTE** có nhiều biến thể (**variants**) được phát triển nhằm khắc phục những hạn chế của phiên bản gốc. Dưới đây là bảng phân loại chi tiết các biến thể phổ biến nhất:

| Biến thể | Đặc điểm chính | Ưu điểm | Hạn chế | Ứng dụng phù hợp |
|---|---|---|---|---|
| **SMOTE gốc** (Standard SMOTE) | Nội suy tuyến tính giữa các điểm lớp thiểu số với k lân cận gần nhất | Đơn giản, dễ triển khai, tạo được đa dạng mẫu mới | Có thể tạo mẫu nhiễu nếu lớp thiểu số phân tán rộng | Bài toán tổng quát, dữ liệu có ranh giới tương đối rõ |
| **Borderline-SMOTE** | Chỉ tạo mẫu mới từ các điểm lớp thiểu số nằm ở vùng biên gần ranh giới quyết định | Tập trung vào vùng khó phân loại, hiệu quả cao hơn SMOTE gốc | Yêu cầu tính toán phức tạp hơn để xác định vùng biên | Phát hiện gian lận, dự báo nợ xấu |
| **ADASYN** (Adaptive Synthetic) | Tạo nhiều mẫu hơn cho các điểm lớp thiểu số khó học hơn | Tự động điều chỉnh theo mật độ phân bố dữ liệu | Có thể gây mất cân bằng ngược nếu tham số không phù hợp | Dữ liệu phức tạp, mất cân bằng cao |
| **SMOTE + ENN** | Kết hợp SMOTE với kỹ thuật Edited Nearest Neighbors để loại bỏ mẫu nhiễu | Làm sạch dữ liệu sau khi oversampling, tăng chất lượng | Thời gian xử lý lâu hơn do thực hiện hai bước | Ứng dụng yêu cầu độ chính xác cao |
| **SMOTE + Tomek Links** | Kết hợp SMOTE với Tomek Links để xóa các mẫu gần ranh giới lớp đa số | Cải thiện ranh giới quyết định rõ ràng hơn | Chỉ hiệu quả với một số dạng dữ liệu nhất định | Phân loại nhị phân trong tín dụng |
| **Safe-Level SMOTE** | Chỉ tạo mẫu mới ở những vùng an toàn, tránh xâm lấn lớp đa số | Giảm thiểu mẫu nhiễu xâm lấn vùng lớp khác | Thuật toán phức tạp, khó triển khai | Dữ liệu có nhiều nhiễu, chồng lấn lớp |

Ngoài các biến thể kể trên, một số đặc điểm quan trọng của **SMOTE** mà người học cần nắm vững bao gồm: (1) **SMOTE** chỉ nên áp dụng trên tập dữ liệu 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**); (2) Khi áp dụng **SMOTE**, cần chuẩn hóa dữ liệu (**data normalization**) trước đó để đảm bảo khoảng cách Euclidean giữa các điểm có ý nghĩa; (3) Các biến phân loại (**categorical variables**) cần được mã hóa phù hợp trước khi áp dụng **SMOTE**; (4) Chỉ số đánh giá mô hình sau khi áp dụng **SMOTE** nên sử dụng **F1-score**, **AUC-ROC**, hoặc **Precision-Recall Curve** thay vì chỉ dựa vào **Accuracy**.

## Ví dụ thực tế trong ngành ngân hàng

### Ví dụ 1: Xây dựng mô hình chấm điểm tín dụng tại Ngân hàng A

**Ngân hàng A** là một ngân hàng thương mại cổ phần lớn tại Việt Nam với danh mục cho vay tiêu dùng lên tới **180.000 tỷ đồng**. Khi xây dựng mô hình dự báo khả năng vỡ nợ trong vòng 12 tháng tới, đội ngũ Data Science của ngân hàng thu thập dữ liệu lịch sử từ **120.000 khách hàng** trong giai đoạn 2020-2022. Trong tập dữ liệu này, có khoảng **117.000 khách hàng trả nợ đúng hạn** (chiếm **97,5%**) và chỉ có **3.000 khách hàng nợ xấu** (chiếm **2,5%**), tạo ra tỷ lệ mất cân bằng lên tới **39:1**.

Nếu không áp dụng **SMOTE**, khi huấn luyện mô hình **Random Forest** hoặc **XGBoost**, mô hình sẽ đạt **Accuracy** khoảng **97,5%** nhưng **Recall** (độ phủ) đối với lớp nợ xấu chỉ đạt khoảng **12%**, tức là mô hình bỏ sót tới **88%** các trường hợp khách hàng có nguy cơ vỡ nợ. Sau khi áp dụng kỹ thuật **Borderline-SMOTE** với **k = 5** và tỷ lệ cân bằng mục tiêu là **5:1**, **Recall** của lớp nợ xấu tăng lên **78%**, **F1-score** tăng từ **0,18** lên **0,62**, và **AUC-ROC** đạt **0,84** thay vì **0,68** như trước. Kết quả này giúp **Ngân hàng A** phát hiện sớm thêm khoảng **1.980 khách hàng** có nguy cơ vỡ nợ mà mô hình ban đầu bỏ sót, từ đó đưa ra các biện pháp cảnh báo, điều chỉnh hạn mức tín dụng hoặc yêu cầu bổ sung tài sản đảm bảo phù hợp.

### Ví dụ 2: Hệ thống phát hiện gian lận thẻ tại Ngân hàng B

**Ngân hàng B** triển khai hệ thống giám sát giao dịch thẻ tín dụng xử lý trung bình **4,2 triệu giao dịch** mỗi ngày. Trong số này, các giao dịch bị xác nhận là gian lận chỉ chiếm khoảng **0,12%**, tương đương khoảng **5.040 giao dịch/ngày**. Tỷ lệ mất cân bằng ở đây lên tới **833:1** – một con số cực kỳ nghiêm trọng. Đội ngũ phòng chống gian lận áp dụng **ADASYN** kết hợp với **SMOTE-Tomek** để tạo thêm các mẫu tổng hợp cho lớp gian lận, đồng thời sử dụng mô hình phân loại **LightGBM**.

Trước khi áp dụng **SMOTE**, hệ thống chỉ phát hiện được **35%** tổng số giao dịch gian lận, dẫn đến tổn thất ước tính khoảng **45 tỷ đồng/năm**. Sau khi áp dụng kỹ thuật cân bằng dữ liệu, tỷ lệ phát hiện (**Detection Rate**) tăng lên **82%**, giúp giảm tổn thất xuống còn khoảng **9 tỷ đồng/năm**. Đặc biệt, **Precision** của mô hình vẫn được duy trì ở mức **0,76**, đảm bảo không gây phiền toái quá nhiều cho khách hàng hợp lệ với các cảnh báo sai.

### Ví dụ 3: Dự báo rủi ro khách hàng rút tiền trước hạn tại Ngân hàng C

**Ngân hàng C** muốn xây dựng mô hình dự đoán khả năng khách hàng cá nhân rút tiền trước hạn từ sổ tiết kiệm, một bài toán ảnh hưởng lớn đến thanh khoản của ngân hàng. Với tập dữ liệu **85.000 khách hàng** gửi tiết kiệm có kỳ hạn, chỉ có **1.700 khách hàng** rút trước hạn (chiếm **2%**). Bằng cách áp dụng **SMOTE** phiên bản gốc với **k = 3**, kết hợp với mô hình **Logistic Regression** và **Decision Tree**, ngân hàng đã nâng **Recall** từ **22%** lên **71%**, giúp bộ phận ALM (**Asset Liability Management**) chủ động điều chỉnh kỳ hạn huy động vốn phù hợp hơn.

## AI SMOTE cân bằng lớp trong các ngôn ngữ khác

| Ngôn ngữ | Thuật ngữ | Phiên âm |
|---|---|---|
| Tiếng Anh | Synthetic Minority Over-sampling Technique (SMOTE) | /sɪnˈθɛtɪk maɪˈnɒrɪti ˈoʊvərˌsæmplɪŋ tɛkˈniːk/ |
| Tiếng Nhật | 合成 minority オーバーサンプリング技法 (gōsei minority ōbā sanpuringu gihō) | Gōsei Shōsū Gōsei Gijutsu |
| Tiếng Hàn | 합성 소수 클래스 오버샘플링 기법 (SMOTE) | Hapseong Sosu Keullaeseu Obeosaempeulling Gihoep |
| Tiếng Trung | 合成少数类过采样技术 (SMOTE) | Héchéng shǎoshù lèi guò cǎiyàng jìshù |
| Tiếng Tây Ban Nha | Técnica de Sobremuestreo Sintético de Minorías (TSSM) | /tɛˈnika ðe soβɾeˈmwɛstɾeo sinˈtɛtiko ðe miˈnoɾjas/ |

## Câu hỏi thường gặp

### SMOTE khác gì so với Random Over-Sampling?

**SMOTE** và **Random Over-Sampling** đều nhằm mục đích tăng số lượng mẫu của lớp thiểu số, nhưng cơ chế hoàn toàn khác nhau. **Random Over-Sampling** chỉ đơn thuần sao chép y nguyên các quan sát hiện có của lớp thiểu số, dẫn đến hiện tượng quá khớp (**overfitting**) nghiêm trọng vì mô hình "học thuộc" các mẫu lặp lại mà không có thông tin mới. Trong khi đó, **SMOTE** tạo ra các mẫu tổng hợp mới thông qua nội suy giữa các điểm lân cận, giúp mở rộng không gian đặc trưng và cải thiện khả năng tổng quát hóa (**generalization**) của mô hình.

### Khi nào cần áp dụng SMOTE trong ngân hàng?

Các chuyên gia nên cân nhắc áp dụng **SMOTE** khi tỷ lệ giữa lớp đa số và lớp thiểu số vượt quá **10:1**, đặc biệt trong các bài toán phân loại nhị phân như: phát hiện gian lận thẻ tín dụng, dự báo nợ xấu, phát hiện giao dịch rửa tiền, dự đoán khách hàng rời bỏ dịch vụ (**customer churn**), và xác định email lừa đảo. Ngoài ra, **SMOTE** cũng phù hợp khi bài toán yêu cầu **Recall** cao đối với lớp thiểu số, vì chi phí bỏ sót một trường hợp dương tính (ví dụ: bỏ sót một giao dịch gian lận) thường lớn hơn nhiều so với chi phí cảnh báo sai.

### SMOTE ảnh hưởng thế nào đến trải nghiệm khách hàng?

Việc áp dụng **SMOTE** giúp mô hình phân loại chính xác hơn, đặc biệt trong các hệ thống như phê duyệt khoản vay trực tuyến, phát hiện giao dịch đáng ngờ, đánh giá rủi ro tín dụng. Điều này mang lại lợi ích kép: (1) Khách hàng có lịch sử tốt được duyệt vay nhanh hơn với lãi suất ưu đãi hơn; (2) Khách hàng có hành vi bất thường được cảnh báo kịp thời, giúp bảo vệ tài khoản khỏi gian lận; (3) Tỷ lệ từ chối tín dụng sai (**false positive**) giảm xuống, tránh gây phiền toái cho khách hàng hợp lệ. Tuy nhiên, các ngân hàng cần minh bạch về việc sử dụng **AI** trong ra quyết định tín dụng theo quy định bảo vệ dữ liệu cá nhân hiện hành.

## Tổng kết

**AI SMOTE cân bằng lớp** đã và đang trở thành một công cụ không thể thiếu trong kho tài nguyên của các Data Scientist ngân hàng, đặc biệt khi hầu hết các bài toán phân loại trong lĩnh vực tài chính – ngân hàng đều mang bản chất mất cân bằng nghiêm trọng. Với khả năng tạo ra các mẫu tổng hợp đa dạng thay vì sao chép đơn thuần, **SMOTE** giúp nâng cao đáng kể hiệu quả của các mô hình **Machine Learning** trong chấm điểm tín dụng, phát hiện gian lận và quản trị rủi ro. Tuy nhiên, người học và người làm thực tế cần nắm vững nguyên lý, lựa chọn biến thể phù hợp với đặc thù dữ liệu, đồng thời sử dụng các chỉ số đánh giá phù hợp như **F1-score**, **AUC-ROC** thay vì chỉ dựa vào **Accuracy**. Trong bối cảnh chuyển đổi số mạnh mẽ tại Việt Nam và xu hướng áp dụng **Basel II/III**, việc thành thạo **SMOTE** và các kỹ thuật cân bằng dữ liệu liên quan là một lợi thế cạnh tranh quan trọng cho bất kỳ ứng viên nào theo đuổi sự nghiệp trong lĩnh vực **AI & Data Analytics** ngân hàng.

## 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.
- [Chất lượng dữ liệu](https://vieclam.nganhang.com/thuat-ngu/chat-luong-du-lieu-la-gi) — Tập các tiêu chí đánh giá độ chính xác, đầy đủ, nhất quán và kịp thời của dữ liệu ngân hàng - yếu tố tiên quyết cho mọi mô hình phân tích.
- [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…
- [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.
- [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.
- [Quản lý rủi ro công nghệ thông tin](https://vieclam.nganhang.com/thuat-ngu/quan-ly-rui-ro-cong-nghe-thong-tin-la-gi) — Quy trình xác định, đánh giá và kiểm soát rủi ro từ hệ thống CNTT 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.