000			02664naa a2200277 a 4500
003			AR-LpUFIB
005			20250311170511.0
008			230201s2018 xx o 000 0 eng d
024	8		_aDIF-M8328 _b8548 _zDIF007621
040			_aAR-LpUFIB _bspa _cAR-LpUFIB
100	1		_aBasgall, María José
245	1	0	_aSMOTE-BD : _ban exact and scalable oversampling method for imbalanced classification in big data
300			_a1 archivo (861,3 kB)
500			_aFormato de archivo PDF. -- Este documento es producción intelectual de la Facultad de Informática - UNLP (Colección BIPA/Biblioteca)
520			_aEl volumen de datos en las aplicaciones de hoy en día ha significado un cambio en la forma de abordar los problemas de Machine Learning. De hecho, el escenario Big Data implica restricciones de escalabilidad que sólo se pueden lograr a través del diseño de modelos inteligentes y el uso de tecnologías distribuidas. En este contexto, las soluciones basadas en la plataforma Spark se han establecido como un estándar de facto. En esta contribución, nos centramos en un marco muy importante dentro de Big Data Analytics, a saber, la clasificación con conjuntos de datos desequilibrados. La principal característica de este problema es que una de las clases está sub-representada y, por lo tanto, generalmente es más complejo encontrar un modelo que la identifique correctamente. Por esta razón, es común aplicar técnicas de preprocesamiento como el sobremuestreo, para equilibrar la distribución de ejemplos en las clases. En este trabajo presentamos SMOTE-BD, un enfoque de preprocesamiento totalmente escalable para la clasificación no balanceada en Big Data. El mismo se basa en una de las soluciones de preprocesamiento más extendidas para la clasificación desequilibrada, a saber, el algoritmo SMOTE, el cual crea nuevas instancias sintéticas de acuerdo con la vecindad de cada ejemplo de la clase minoritaria. Nuestro novedoso desarrollo está hecho para ser independiente de la cantidad de particiones o procesos creados, para lograr un mayor grado de eficiencia. Los experimentos realizados en diferentes conjuntos de datos estándar y de Big Data muestran la calidad del diseño y la implementación propuestos.
534			_aConference Cloud Computing and Big Data (7ª : 2019 : La Plata, Argentina)
650		4	_aBIG DATA
650		4	_aAPRENDIZAJE AUTOMÁTICO
653			_aclasificación no balanceada
700	1		_aHasperué, Waldo
700	1		_aNaiouf, Ricardo Marcelo
700	1		_aFernández, Alberto
700	1		_aHerrera, Francisco
856	4	0	_uhttp://sedici.unlp.edu.ar/handle/10915/69464
942			_cCP
999			_c57394 _d57394