Resumen

La clasificación de datos desequilibrados está ganando importancia en la minería de datos y el aprendizaje automático. La tasa de recuperación de la clase minoritaria requiere un tratamiento especial en campos como el diagnóstico médico, la seguridad de la información, la industria y la visión por computadora. Este documento propone una nueva estrategia y algoritmo basado en una máquina de vectores de soporte sensible al costo para mejorar la tasa de recuperación de la clase minoritaria a 1, ya que la clasificación errónea de incluso algunas muestras puede causar pérdidas graves en algunos problemas físicos. En el método propuesto, la modificación emplea una compensación de margen para hacer que el margen sea asimétrico, lo que permite la deriva del límite de decisión. Cuando el límite alcanza una cierta posición, las muestras de la clase minoritaria se generalizarán más para lograr el requisito de una tasa de recuperación de 1. En los experimentos, se analizaron los efectos de diferentes parámetros en el rendimiento del algoritmo y

• Materias:Modelo Matemático Gestión ambiental Sistemas dinámicos Datos estructurales Sistema inalámbrico
• Subjects:Mathematical model Environmental management Dynamic systems Structural data Wireless system
• Palabras claves:Datos desequilibrados; Clasificación; Tasa de recuperación de la clase minoritaria; Máquina de vectores de soporte; Sensible al costo; Compensación de margen
• Keywords:Imbalanced data; Classification; Minority class recall rate; Support vector machine; Cost-sensitive; Margin compensation