📈 SMOTE
Synthetic Minority Oversampling TEchnique. Crea ejemplos sintéticos de la clase minoritaria interpolando entre vecinos cercanos. No solo duplica, sino que genera variaciones realistas. La librería imbalanced-learn lo implementa.
📉 Undersampling
Reduce la clase mayoritaria eliminando ejemplos aleatoriamente o con técnicas como Tomek Links y NearMiss. Simple pero puede perder información valiosa. Mejor combinado con oversampling.
⚖️ Class Weights
Asigna mayor peso a la clase minoritaria en la función de pérdida. Muchos modelos (RF, SVM, regresión logística) tienen el parámetro class_weight='balanced'. Efectivo sin modificar datos.
📊 Métricas Adecuadas
Accuracy miente en desbalance. Usa: F1-score (media armónica precisión/recall), PR-AUC (Precision-Recall), Mathews Correlation Coefficient (MCC), y matriz de confusión. ROC-AUC puede ser optimista.
Explora los conceptos con ejemplos practicos disponibles en la simulacion interactiva de este modulo.
Intuicion
El ML permite a las computadoras aprender patrones de los datos sin ser programadas explicitamente para cada tarea.
Formula clave
Cada algoritmo tiene una funcion de perdida que optimiza durante el entrenamiento.
Paso a paso
El proceso sigue pasos: datos, modelo, entrenamiento, evaluacion.
Error comun: Data leakage
Cuando informacion del test afecta al entrenamiento: validacion invalida.
Ejemplo concreto
Aplica ML a problemas reales de clasificacion y regresion.
Conexion
ML se construye sobre estadistica inferencial y predictiva.