Resumen

La máquina de vectores de soporte sensible al costo es una de las herramientas más populares para tratar problemas de desequilibrio de clase como el diagnóstico de fallas. Sin embargo, estos datos suelen presentarse con un gran número de ejemplos y características. Con el objetivo de abordar el problema de desequilibrio de clase en grandes conjuntos de datos, en este artículo se propone una máquina de vectores de soporte sensible al costo que utiliza el método de descenso de coordenadas duales aleatorizadas (CSVM-RDCD). La solución del subproblema correspondiente en cada iteración se deriva en forma cerrada y el costo computacional se reduce mediante estrategias de aceleración y cálculos económicos. Se derivan las cuatro condiciones restringidas de CSVM-RDCD. Los resultados experimentales muestran que el método propuesto aumenta las tasas de reconocimiento de la clase positiva y reduce los costos promedio de clasificación errónea en datos reales grandes y desequilibrados en clases.

• Materias:Ecuaciones diferenciales Ecuaciones integrales Variables independientes Sistemas dinámicos Combinaciones convexas
• Subjects:Differential equations Integral equations Independent variables Dynamic systems Convex combinations
• Palabras claves:Máquina de vectores de soporte; Problema de desequilibrio de clases; Sensible al costo; Grandes volúmenes de datos; Tasas de reconocimiento; Resultados experimentales
• Keywords:Support vector machine; Class-imbalanced problem; Cost-sensitive; Big data; Recognition rates; Experimental results