Nivel: Intermedio
Función laboral: Analista / Científico / Ingeniero
Industria: Industria cruzada
Michael Crotty, JMP Senior Statistical Writer, SAS
Marie Gaudard, Consultora Estadística
Colleen McKendry, redactora técnica de JMP, SAS
En situaciones donde la detección de anomalías es el objetivo de un modelo predictivo, los datos subyacentes a menudo exhiben una distribución de clases desequilibrada. A saber, la clase anómala es significativamente más pequeña que la clase no anómala. El objetivo del modelo suele ser identificar a los miembros de la clase minoritaria. Sin embargo, una aplicación directa de las técnicas de modelado predictivo puede resultar en un modelo sesgado e inexacto. Se han propuesto muchas técnicas para abordar estos problemas. Buscamos guiar a los usuarios de JMP Pro en el desarrollo de modelos predictivos para datos desequilibrados. Abordamos los enfoques de JMP Pro para la clasificación en una clase con poca representación. Primero describimos aspectos generales del problema de clase desequilibrado: sesgo, medidas de desempeño y enfoques para abordar los problemas de modelado. Luego discutimos los métodos de muestreo que utilizamos en nuestro estudio; estos incluyen ponderación, submuestreo, sobremuestreo y la técnica de sobremuestreo de minorías sintéticas (SMOTE). Para varios conjuntos de datos reales que muestran proporciones variables de clase, comparamos los ajustes obtenidos utilizando estos métodos de muestreo en combinación con modelos predictivos disponibles en las plataformas de clasificación JMP Pro. Realizamos una exploración similar de técnicas de muestreo y modelos predictivos para una gama limitada de conjuntos de datos simulados. Para los conjuntos de datos simulados, intentamos identificar el grado de subrepresentación para el cual los modelos estándar comienzan a verse afectados por el desequilibrio de clase. También presentamos conclusiones sobre el rendimiento relativo de los métodos de muestreo y los modelos predictivos.
