“2 BARBAS: uso de procesos doblemente iterados para resolver problemas desequilibrados con máquinas de aprendizaje”

Francisco Javier González Serrano (Universidad Carlos III de Madrid); Marcelino Lázaro Teja (Universidad Carlos III de Madrid)

En el caso de decisión binaria (cuya respuesta es “si” o “no”) los problemas desequilibrados presentan mayores probabilidades de una respuesta que de otra. Es en dichos problemas en los que el catedrático de la Universidad Carlos III Aníbal Ramón Figueiras Vidal y su equipo, quienes han recibido una de las Ayudas a Equipos de Investigación en Big Data 2017, centrarán su trabajo.

Figueiras explica que una máquina aprende de casos con resultados conocidos. En general, es capaz de aprender sin dificultades, pero en los problemas desequilibrados (cuando la probabilidad de sí es mucho menor que la de no), la máquina, como le sucede a los humanos, aprende a decir que no antes que sí. Por ello hay que corregir a la máquina para que preste una atención particular a los casos en los que se produce sí. Junto con su equipo, compuesto por Francisco Javier González Serrano y Marcelino Lázaro Teja, ambos de la Universidad Carlos III de Madrid, pretende tratar esos problemas desequilibrados bajo bases analíticas sólidas y utilizando procedimientos doblemente iterados. Estos consisten en pedirle a la máquina que aprenda a resolver el problema, y, una vez conseguido, se le pide que se fije en particular en los casos más críticos, tanto positivos como negativos, para conseguir mejoras.

Esto tiene aplicaciones en multitud de campos, como la medicina personalizada, el ámbito financiero o las comunicaciones, ya que los problemas desequilibrados son muy comunes y particularmente importantes para el desarrollo de las máquinas de aprendizaje.