Resumen

El desequilibrio de clases es un problema importante que se encuentra en aplicaciones de aprendizaje automático, donde una clase (llamada, la clase minoritaria) tiene un número extremadamente pequeño de instancias y la otra clase (referida como, la clase mayoritaria) tiene una cantidad inmensa de instancias. Los conjuntos de datos desequilibrados pueden ser de gran importancia en varias aplicaciones del mundo real, incluyendo diagnóstico médico, detección de malware, identificación de anomalías, predicción de quiebras y filtrado de spam. En este artículo, presentamos un enfoque de submuestreo basado en agrupamiento de consenso para el aprendizaje desequilibrado. En este esquema, el número de instancias en la clase mayoritaria se redujo mediante el uso de un esquema basado en agrupamiento de consenso. En el análisis empírico, se utilizaron 44 conjuntos de datos de clasificación desequilibrados a pequeña escala y 2 a gran escala. En los esquemas de agrupamiento de consenso, se

• Materias:Sensores Seguridad informática Rendimiento del hardware Matriz
• Subjects:sensors Computer security Hardware performance Matrix
• Palabras claves:Desequilibrio; Aprendizaje automático; Clase minoritaria; Clase mayoritaria; Agrupamiento por consenso; Submuestreo
• Keywords:Imbalance; Machine learning; Minority class; Majority class; Consensus clustering; Undersampling