가중 샘플링
가중 샘플링은 학습 시 소수 클래스의 샘플을 더 자주 선택하도록 샘플링 확률에 가중치를 부여하는 방법이다. 데이터로더 단계에서 클래스별 출현 빈도에 역비례하는 가중치를 적용해 미리보기 배치가 균형을 이루도록 하며, 이는 소수 클래스에 대한 모델 노출을 늘려 성능을 개선한다. Focal Loss와 병행하면 불균형 상황에서 학습 안정성과 민감도를 동시에 높일 수 있다.