Aprendizaje sensible a los costos en modelos supervisados: cálculos e implementación

El aprendizaje sensible a los costos es una técnica utilizada en modelos de aprendizaje automático supervisados para manejar situaciones en las que diferentes tipos de errores tienen diferentes consecuencias. Se trata de ajustar el proceso de aprendizaje para minimizar el costo general en lugar de la tasa de error. Este enfoque es particularmente útil en ámbitos como la atención médica, la detección del fraude y la puntuación de crédito, donde el costo de la clasificación errónea varía significativamente.

Comprender los costos

Una matriz de costes es un componente fundamental en el aprendizaje sensible a los costos. Define los costos asociados a cada tipo de resultado de la predicción, como los verdaderos positivos, falsos positivos, falsos negativos y verdaderos negativos. Al asignar diferentes costos, el modelo puede priorizar minimizar los errores más caros.

Por ejemplo, en un escenario de diagnóstico médico, la falta de una enfermedad (falso negativo) podría ser más costosa que una falsa alarma (falso positivo). La matriz de costos ayuda a codificar estas prioridades en el proceso de formación.

Cálculos en el aprendizaje de costos y beneficios

Las calculaciones implican integrar la matriz de costes en la función objetiva del modelo. En lugar de minimizar la tasa de error, el modelo minimiza el costo total, que es la suma de los costos de predicción individuales ponderados por sus probabilidades.

Para una clasificación binaria, el costo total (C) se puede expresar como:

C = C_FP * FP + C_FN * FN + C_]TP * TP + C_TN * TN]

donde C_XY] representa el costo asociado con cada resultado de la predicción, y FP, FN, TP, TN son los recuentos de falsos positivos, falsos negativos, verdaderos positivos y verdaderos negativos, respectivamente.

Estrategias de aplicación

La aplicación de un aprendizaje que tenga en cuenta los costos puede lograrse mediante diversos métodos:

Ajuste de pesos de clase: Asignar pesos superiores a clases más costosas durante el entrenamiento.
Modifica los umbrales de decisión: Cambia el umbral de probabilidad para favorecer errores menos costosos.
Usando algoritmos sensibles a los costos:] algoritmos empleados diseñados para incorporar directamente las matrices de coste.
Datos de muestreo:] Clases de sobresueldo o de subsamplo basadas en sus costos asociados.

La mayoría de las bibliotecas de aprendizaje automático, como la de la hoja de cálculo, soportan pesos de clase y ajustes de umbral para facilitar un aprendizaje que tenga en cuenta los costos.