Abstract:
|
En el área de aprendizaje automático, uno de los
problemas que se presenta es el relacionado con
las clases no balanceadas. Esto ocurre cuando en el
conjunto de datos se dispone de muchos ejemplos
de una clase, pero muy pocos de otra. La principal
contribución de este trabajo es la definición de
un sesgo modificado, con la SVM entrenada original,
de forma que se mejora la generalización sobre
conjuntos no balanceados medida en forma de media
geométrica. Una ventaja importante de nuestra
propuesta es que el problema de optimización para
hallar la SVM no cambia para el sesgo elegido
y, por tanto, el coste computacional es casi nulo.
Los resultados de experimentación confirman que
la propuesta iguala en prestaciones aquellas con
mayor rendimiento en la literatura, mientras que no
añade coste computacional. |