SMOTE, algoritmo para balanceo de clases en un estudio aplicado a la ganadería

En el estudio de los algoritmos de Minería de Datos del tipo supervisados surge el problema del desbalance de clases, que implica que la información no se encuentre distribuida equitativamente entre todas las clases que la componen, por lo que se generan efectos no deseados en el proceso de clasific...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Spositto, Osvaldo Mario, Blanco, Gabriel Esteban, Matteo, Lorena, Levi, Marcelo, Bossero, Julio
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2020
Materias:
Ciencias Informáticas
Desbalance de clases
SMOTE
Algoritmos supervisados
Weka
DEP
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/114339
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-114339
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
Desbalance de clases
SMOTE
Algoritmos supervisados
Weka
DEP
spellingShingle Ciencias Informáticas
Desbalance de clases
SMOTE
Algoritmos supervisados
Weka
DEP
Spositto, Osvaldo Mario
Blanco, Gabriel Esteban
Matteo, Lorena
Levi, Marcelo
Bossero, Julio
SMOTE, algoritmo para balanceo de clases en un estudio aplicado a la ganadería
topic_facet Ciencias Informáticas
Desbalance de clases
SMOTE
Algoritmos supervisados
Weka
DEP
description En el estudio de los algoritmos de Minería de Datos del tipo supervisados surge el problema del desbalance de clases, que implica que la información no se encuentre distribuida equitativamente entre todas las clases que la componen, por lo que se generan efectos no deseados en el proceso de clasificación. Este trabajo considera el caso de conjuntos de datos que solamente tiene dos clases y una de ellas cuenta con una mayor cantidad de ejemplos que la otra. El interés principal del trabajo es la aplicación de la técnica de balanceo de clases SMOTE (Synthetic Minority Oversampling Technique), que con algoritmos de interpolación incrementa en forma “sintética” los ejemplos de la clase minoritaria. Los resultados experimentales muestran que algunas técnicas, en el proceso de entrenamiento, obtienen mejores porcentajes de clasificación, cuando se usan estos datos artificiales. El dataset utilizado registra la Diferencia Esperada entre Progenie de animales de la raza Aberdeen Angus.
format Objeto de conferencia
Objeto de conferencia
author Spositto, Osvaldo Mario
Blanco, Gabriel Esteban
Matteo, Lorena
Levi, Marcelo
Bossero, Julio
author_facet Spositto, Osvaldo Mario
Blanco, Gabriel Esteban
Matteo, Lorena
Levi, Marcelo
Bossero, Julio
author_sort Spositto, Osvaldo Mario
title SMOTE, algoritmo para balanceo de clases en un estudio aplicado a la ganadería
title_short SMOTE, algoritmo para balanceo de clases en un estudio aplicado a la ganadería
title_full SMOTE, algoritmo para balanceo de clases en un estudio aplicado a la ganadería
title_fullStr SMOTE, algoritmo para balanceo de clases en un estudio aplicado a la ganadería
title_full_unstemmed SMOTE, algoritmo para balanceo de clases en un estudio aplicado a la ganadería
title_sort smote, algoritmo para balanceo de clases en un estudio aplicado a la ganadería
publishDate 2020
url http://sedici.unlp.edu.ar/handle/10915/114339
work_keys_str_mv AT sposittoosvaldomario smotealgoritmoparabalanceodeclasesenunestudioaplicadoalaganaderia
AT blancogabrielesteban smotealgoritmoparabalanceodeclasesenunestudioaplicadoalaganaderia
AT matteolorena smotealgoritmoparabalanceodeclasesenunestudioaplicadoalaganaderia
AT levimarcelo smotealgoritmoparabalanceodeclasesenunestudioaplicadoalaganaderia
AT bosserojulio smotealgoritmoparabalanceodeclasesenunestudioaplicadoalaganaderia
bdutipo_str Repositorios
_version_ 1764820446164811777

Ejemplares similares