Impacto de las técnicas para manejo del desbalance de clases en la clasificación binaria supervisada

"Este trabajo aborda el problema del desbalanceo de clases en conjuntos de datos, un desafío crítico en el ámbito del aprendizaje automático que afecta de manera significativa la precisión de los modelos predictivos. El desequilibrio de clases se produce cuando algunas categorías se encuentran subrepresentadas en comparación con otras que dominan el conjunto de datos, lo que introduce un sesgo distributivo a favor de las clases mayoritarias. Para abordar esta problemática, se han desarrollado numerosos métodos de preprocesamiento de datos, los cuales modifican el conjunto de datos original mediante técnicas de sobremuestreo (oversampling), submuestreo (undersampling) o una combinación de ambas. Asimismo, se emplean métodos de ensamble, que integran múltiples estimadores débiles con el objetivo de construir modelos predictivos más robustos. No obstante, si bien estas técnicas presentan beneficios, su efectividad depende en gran medida del contexto y de las características específicas de los datos. El objetivo de este estudio es comparar una amplia variedad de métodos de balanceo, incluyendo técnicas de oversampling, undersampling, combinaciones de ambas y métodos de ensamble, mediante experimentos realizados sobre diversos conjuntos de datos que difieren en tamaño y grado de desbalance entre clases. El análisis se centra en identificar aquellos métodos que logran mejorar las métricas de evaluación en tareas de clasificación binaria supervisada".