%0 Journal Article
%T Estudio de conjuntos de datos desbalanceados usando un modelo asociativo con traslaci¨®n de ejes Using hybrid associative classifier with translation (HACT) for studying imbalanced data sets
%A Cleofas S¨¢nchez Laura
%A Guzm¨¢n Escobedo Magali
%A Valdovinos Rosas Rosa Mar¨ªa
%A Y¨¢£¿ez M¨¢rquez Cornelio
%J Ingenier¨ªa e Investigaci¨®n
%D 2012
%I Universidad Nacional de Colombia
%X En diversos problemas de reconocimiento de patrones, se ha observado que el desequilibrio de clases puede disminuir el desempe o del clasificador, principalmente en los patrones de las clases minoritarias. Una estrategia para resolver el problema del desbalance, consiste en tratar por separado las clases incluidas en el problema (clase minoritaria o mayoritaria), a fin de equilibrar los conjuntos de datos. En este sentido, la motivaci¨®n del presente art¨ªculo estriba en el hecho de que el modelo asociativo visto como Clasificador H¨ªbrido Asociativo con Traslaci¨®n (CHAT), es muy sensible al des-balance de las clases. Por ello, se analiza el impacto que los conjuntos de datos des-balanceados pueden tener sobre el rendimiento del CHAT. Adicionalmente, se analiza la conveniencia de utilizar m¨¦todos de bajo-muestreo para disminuir los efectos negativos que el modelo asociativo pueda sufrir. La viabilidad de este estudio se sustenta con los resultados experimentales obtenidos de once conjuntos de datos reales. Finalmente, el presente trabajo se considera como una investigaci¨®n anal¨ªtica-sint¨¦tica. Class imbalance may reduce the classifier performance in several recognition pattern problems. Such negative effect is more notable with least represented class (minority class) Patterns. A strategy for handling this problem consisted of treating the classes included in this problem separately (majority and minority classes) to balance the data sets (DS). This paper has studied high sensitivity to class imbalance shown by an associative model of classification: hybrid associative classifier with translation (HACT); imbalanced DS impact on associative model performance was studied. The convenience of using sub-sampling methods for decreasing imbalanced negative effects on associative memories was analysed. This proposal¡¯s feasibility was based on experimental results obtained from eleven real-world datasets.
%K Modelo asociativo
%K bajo-muestreo
%K clase des-balanceada
%K pre-procesamiento
%U http://www.revistas.unal.edu.co/index.php/ingeinv/article/view/28522