Descripción: La Máquina de Vectores de Soporte Ponderada (Weighted Support Vector Machine, W-SVM) es una variante de la Máquina de Vectores de Soporte (SVM) que se utiliza en el ámbito del aprendizaje supervisado. Su principal característica es la incorporación de pesos en las instancias de entrenamiento, lo que permite manejar de manera más efectiva el desbalance de clases en los conjuntos de datos. En situaciones donde una clase está sobrerrepresentada en comparación con otra, la W-SVM ajusta la importancia de cada muestra, otorgando mayor peso a las instancias de la clase minoritaria. Esto ayuda a mejorar la precisión del modelo y a reducir el sesgo hacia la clase mayoritaria. La W-SVM sigue el mismo principio básico que la SVM tradicional, que busca encontrar el hiperplano óptimo que separa las diferentes clases en un espacio de características. Sin embargo, al introducir pesos, se modifica la función de costo, permitiendo que el modelo se enfoque más en las instancias que son más difíciles de clasificar. Esta técnica es especialmente útil en aplicaciones donde el costo de clasificar incorrectamente una instancia de la clase minoritaria es significativamente mayor que el de la clase mayoritaria. En resumen, la Máquina de Vectores de Soporte Ponderada es una herramienta poderosa en el aprendizaje supervisado, diseñada para mejorar la clasificación en escenarios desbalanceados.
Historia: La Máquina de Vectores de Soporte fue introducida por Vladimir Vapnik y Alexey Chervonenkis en 1963, pero la variante ponderada se desarrolló posteriormente para abordar problemas específicos de desbalance de clases. A medida que el aprendizaje automático ganó popularidad en la década de 1990, se reconoció la necesidad de adaptar los algoritmos existentes para mejorar su rendimiento en conjuntos de datos desiguales. La W-SVM se formalizó en investigaciones académicas a finales de los años 90 y principios de los 2000, donde se exploraron diversas técnicas para ajustar los pesos de las instancias de entrenamiento.
Usos: La Máquina de Vectores de Soporte Ponderada se utiliza en diversas aplicaciones donde el desbalance de clases es un problema crítico. Esto incluye áreas como la detección de fraudes, donde las transacciones fraudulentas son mucho menos frecuentes que las legítimas, y en el diagnóstico médico, donde ciertas enfermedades pueden estar subrepresentadas en los datos de entrenamiento. También se aplica en el análisis de sentimientos, donde las opiniones negativas pueden ser menos comunes que las positivas.
Ejemplos: Un ejemplo práctico de la Máquina de Vectores de Soporte Ponderada es su uso en la detección de spam en correos electrónicos, donde los mensajes de spam son menos frecuentes que los correos legítimos. Otro caso es en el diagnóstico de enfermedades raras, donde la W-SVM puede ayudar a identificar correctamente casos de enfermedades que aparecen con poca frecuencia en los datos de entrenamiento. Además, se ha utilizado en la clasificación de imágenes, donde ciertas categorías pueden estar desbalanceadas.
