SMOTE, abreviatura de T\u00e9cnica de sobremuestreo de minor\u00edas sint\u00e9ticas, es un poderoso m\u00e9todo de aumento de datos utilizado en el aprendizaje autom\u00e1tico para abordar el problema de los conjuntos de datos desequilibrados. En muchos escenarios del mundo real, los conjuntos de datos a menudo contienen distribuciones de clases desequilibradas, donde una clase (la clase minoritaria) tiene significativamente menos instancias en comparaci\u00f3n con las otras clases (clases mayoritarias). Este desequilibrio puede dar lugar a modelos sesgados que funcionan mal en el reconocimiento de la clase minoritaria, lo que lleva a predicciones sub\u00f3ptimas.<\/p>\n
SMOTE se introdujo para abordar este problema generando muestras sint\u00e9ticas de la clase minoritaria, equilibrando as\u00ed la distribuci\u00f3n de clases y mejorando la capacidad del modelo para aprender de la clase minoritaria. Esta t\u00e9cnica ha encontrado numerosas aplicaciones en diversos campos, como el diagn\u00f3stico m\u00e9dico, la detecci\u00f3n de fraudes y la clasificaci\u00f3n de im\u00e1genes, donde prevalecen conjuntos de datos desequilibrados.<\/p>\n
SMOTE fue propuesto por Nitesh V. Chawla, Kevin W. Bowyer, Lawrence O. Hall y W. Philip Kegelmeyer en su art\u00edculo fundamental titulado "SMOTE: Synthetic Minority Over-sampling Technique" publicado en 2002. Los autores reconocieron los desaf\u00edos planteados por conjuntos de datos desequilibrados y desarroll\u00f3 SMOTE como una soluci\u00f3n innovadora para mitigar el sesgo causado por dichos conjuntos de datos.<\/p>\n
La investigaci\u00f3n de Chawla et al. demostr\u00f3 que SMOTE mejor\u00f3 significativamente el rendimiento de los clasificadores cuando se trata de datos desequilibrados. Desde entonces, SMOTE ha ganado popularidad y se ha convertido en una t\u00e9cnica fundamental en el campo del aprendizaje autom\u00e1tico.<\/p>\n
SMOTE funciona creando muestras sint\u00e9ticas para la clase minoritaria interpolando entre instancias existentes de la clase minoritaria. Los pasos clave del algoritmo SMOTE son los siguientes:<\/p>\n
El algoritmo SMOTE se puede resumir en la siguiente ecuaci\u00f3n, donde x_i representa la instancia minoritaria original, x_n es un vecino seleccionado aleatoriamente y \u03b1 es un valor aleatorio entre 0 y 1:<\/p>\n
Instancia sint\u00e9tica = x_i + \u03b1 * (x_n \u2013 x_i)<\/p>\n
Al aplicar SMOTE de forma iterativa a las instancias de clases minoritarias, se reequilibra la distribuci\u00f3n de clases, lo que da como resultado un conjunto de datos m\u00e1s representativo para entrenar el modelo.<\/p>\n
Las caracter\u00edsticas clave de SMOTE son las siguientes:<\/p>\n
Aumento de datos<\/strong>: SMOTE aumenta la clase minoritaria generando muestras sint\u00e9ticas, abordando el problema del desequilibrio de clases en el conjunto de datos.<\/p>\n<\/li>\n Reducci\u00f3n de sesgo<\/strong>: Al aumentar el n\u00famero de instancias de clases minoritarias, SMOTE reduce el sesgo en el clasificador, lo que mejora el rendimiento predictivo de las clases minoritarias.<\/p>\n<\/li>\n Generalizabilidad<\/strong>: SMOTE se puede aplicar a varios algoritmos de aprendizaje autom\u00e1tico y no se limita a ning\u00fan tipo de modelo espec\u00edfico.<\/p>\n<\/li>\n F\u00e1cil implementaci\u00f3n<\/strong>: SMOTE es sencillo de implementar y se puede integrar perfectamente en los procesos de aprendizaje autom\u00e1tico existentes.<\/p>\n<\/li>\n<\/ol>\n SMOTE tiene varias variaciones y adaptaciones para atender a diferentes tipos de conjuntos de datos desequilibrados. Algunos de los tipos de SMOTE com\u00fanmente utilizados incluyen:<\/p>\n SMOTE regular<\/strong>: Esta es la versi\u00f3n est\u00e1ndar de SMOTE como se describe anteriormente, que crea instancias sint\u00e9ticas a lo largo de la l\u00ednea que conecta la instancia minoritaria y sus vecinas.<\/p>\n<\/li>\n L\u00edmite SMOTE<\/strong>: Esta variante se centra en generar muestras sint\u00e9ticas cerca del l\u00edmite entre las clases minoritarias y mayoritarias, lo que la hace m\u00e1s eficaz para conjuntos de datos con clases superpuestas.<\/p>\n<\/li>\n ADASYN (muestreo sint\u00e9tico adaptativo)<\/strong>: ADASYN mejora SMOTE al asignar mayor importancia a las instancias minoritarias que son m\u00e1s dif\u00edciles de aprender, lo que resulta en una mejor generalizaci\u00f3n.<\/p>\n<\/li>\n SMOTBoost<\/strong>: SMOTEBoost combina SMOTE con t\u00e9cnicas de impulso para mejorar a\u00fan m\u00e1s el rendimiento de los clasificadores en conjuntos de datos desequilibrados.<\/p>\n<\/li>\n SMOTE de nivel seguro<\/strong>: Esta variante reduce el riesgo de sobreajuste al controlar la cantidad de muestras sint\u00e9ticas generadas en funci\u00f3n del nivel de seguridad de cada instancia.<\/p>\n<\/li>\n<\/ol>\n Aqu\u00ed hay una tabla comparativa que resume las diferencias entre estas variantes de SMOTE:<\/p>\nTipos de SMOTE<\/h2>\n
\n