Imbalance-XGBoost: Aprovechando Pérdidas Ponderadas y Focales para la Clasificación de Etiquetas Binarias con Desbalance

El documento presenta Imbalance-XGBoost, un paquete de Python que combina el software XGBoost con pérdidas ponderadas y focales para abordar tareas de clasificación binarias con desbalance. Aunque es un programa a pequeña escala en términos de, el paquete es, hasta donde saben los autores, el primero de su tipo que proporciona una implementación integrada para las dos pérdidas en XGBoost, lo que trae una extensión de propósito general en XGBoost para etiquetas desbalanceadas. En este documento, se describen el diseño y el uso del paquete, se incluyen ejemplos de código, y se ilustra su conveniencia para ser integrado en proyectos de Aprendizaje Automático impulsados por datos. Además, dado que las derivadas de primer y segundo orden de las funciones de pérdida son esenciales para el, se discute la derivación algebraica y se puede considerar como una contribución algorítmica separada. Las performances de los algoritmos en el paquete se evalúan empíricamente en un conjunto de datos de la enfermedad de Parkinson, y se han logrado múltiples rendimiento de vanguardia. Dada la naturaleza escalable de XGBoost, el paquete tiene un gran potencial para ser aplicado a tareas de clasificación binaria en la vida real, que son de gran escala y desbalanceadas en etiquetas.