Modificación del sesgo de una SVM entrenada sobre clases no balanceadas
Visualitza/Obre
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/14271
Tipus de documentText en actes de congrés
Data publicació2011
EditorUniversidad de Sevilla
Condicions d'accésAccés obert
Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i
industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva
reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets
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.
CitacióNúñez, H.; Angulo, C.; González, L. Modificación del sesgo de una SVM entrenada sobre clases no balanceadas. A: Jornadas de ARCA. "XIII Jornadas de ARCA: eficiencia energética y sostenibilidad en inteligencia ambiental : sistemas cualitativos y sus aplicaciones en diagnosis, robótica e inteligencia ambiental". Islantilla - Huelva: Universidad de Sevilla, 2011, p. 32-38.
ISBN978-84-615-5513-0
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
jarca02.pdf | 718,9Kb | Visualitza/Obre |