Respuesta correcta
- DSMOTE solo en el conjunto de entrenamiento
Explicación
SMOTE (Synthetic Minority Over-sampling Technique) genera muestras sintéticas de la clase minoritaria interpolando entre instancias minoritarias existentes. Aplicar SMOTE solo al conjunto de entrenamiento evita que las muestras sintéticas se filtren en el conjunto de prueba, lo que inflaría las métricas de evaluación y produciría un modelo demasiado optimista. Este es el enfoque de remuestreo correcto para mejorar el recall en un conjunto de datos de fraude desbalanceado.
Para profundizar
SMOTE funciona seleccionando una instancia minoritaria, encontrando sus k vecinos minoritarios más cercanos (k=5 por defecto) y creando una nueva muestra a lo largo del segmento de línea entre ellos. Esto expande la región de decisión minoritaria y ayuda a los clasificadores como la regresión logística, las SVM y los ensambles de árboles a aprender el límite minoritario. Un comportamiento sutil: SMOTE puede generar muestras ruidosas o superpuestas en regiones de clases de alta dimensión o fuertemente superpuestas; variantes como Borderline-SMOTE, ADASYN y SMOTE-NC (para características categóricas) abordan esto. Además, SMOTE debe aplicarse dentro de los pliegues de validación cruzada (por ejemplo, mediante pipelines de imblearn) para evitar fugas durante el ajuste de hiperparámetros. Escenario del mundo real: un equipo de fraude utiliza un Pipeline de imblearn con SMOTE aplicado solo a los pliegues de entrenamiento, y luego evalúa el recall y el PR-AUC en el conjunto de prueba intacto para reflejar el verdadero rendimiento en producción.
Sobre estas preguntas de práctica
Esta es una de las preguntas de práctica originales de MLA-C01 de Courseiva, escrita para aprender y nunca copiada de exámenes reales ni de dumps.
Traducida del original en inglés con IA y revisada para comprobar el sentido. Los códigos de examen, los comandos y los nombres de productos se mantienen tal como aparecen en el examen.