Clasificación no balanceada: técnicas y soluciones

¿Cuál de las siguientes no es una solución para la clasificación de datos desequilibrados

• Soluciones a nivel algorítmico

• Soluciones a nivel de datos

• Aprendizaje sensible al coste

• Soluciones a nivel de las variables

Los dos principales algoritmos de preprocesamiento son

• Oversampling and MultiSampling

• Undersamling and multisampling

• Undersampling and oversampling

• Undersampling, Oversampling y Multisampling

Las técnicas de submuestreo se utilizan sobre todo con fines de limpieza

• Verdadero

• Falso

Tomek-Links elimina las instancias negativas y positivas que se encuentran juntas

• Verdadero

• Falso

ENN elimina tanto los casos negativos como los positivos

• Verdadero

• Falso

¿Cómo funciona SMOTE?

• Elimina las instancias mayoritarias cercanas a las minoritarias

• Genera nuevas instancias por extrapolación

• Genera nuevas instancias minoritarias y mayoritarias

• Generates new minority instances by interpolation

Cuál NO es un inconveniente para SMOTE

• Sobregeneralización

• Problemas de alta dimensionalidad

• Tasa de reequilibrio fija

• Región de decisión minoritaria muy pequeña

Se han propuesto muchas hibridaciones para superar los inconvenientes de SMOTE

• Verdadero

• Falso

La clasificación en una sola clase (one-class) puede considerarse una solución algorítmica para el aprendizaje desequilibrado

• Verdadero

• Falso

El aprendizaje sensible a los costes puede aplicarse mediante...

• Weighting y thresholding

• Weighting y active learning

• Thresholding y transfering

• Weighting y backholding