IMPACTO DEL DESEQUILIBRIO DE CLASES EN EL ENTRENAMIENTO DE REDES NEURONALES CONVOLUCIONALES EN PROBLEMAS MULTI-CLASE (IMPACT OF CLASS IMBALANCE IN THE TRAINING OF CONVOLUTIONAL NEURAL NETWORKS FOR MULTI-CLASS PROBLEMS)

Resumen

El problema del desequilibrio de clases en el aprendizaje automático, se presenta cuando el conjunto de entrenamiento subyacente está compuesto por un número desigual de muestras para cada clase, lo que ocasiona que datos de algunas clases dominen claramente. Aparentemente, la mayoría de los modelos clasificadores aprenden a clasificar dichos conjuntos de datos; sin embargo, presentan un rendimiento de generalización deficiente debido a un fuerte sesgo hacia las clases mayoritarias. En este artículo, se presenta un estudio sistemático dirigido a comprender como afecta el problema del desequilibrio de clases al rendimiento de una red neuronal convolucional entrenada para una tarea de clasificación de imágenes, y se presenta una metodología para corregir el sobreentrenamiento e incrementar la generalización de la red.

The class imbalance problem in machine learning occurs when the underlying training set is composed of unequal number of samples for each class, which causes data from some classes to clearly dominate. Apparently, most classifiers learn to classify such datasets, however, they show poor generalization performance due to a strong bias towards the majority classes. This article presents a systematic study aimed at understanding how the class imbalance problem affects the performance of a convolutional neural network which has been trained for an image classification task. Also, we present a methodology to correct the overtraining and increase the generalization performance of the network.