Métodos de aprendizaje basados en prototipos similares: extensiones

El fenómeno hubness es un aspecto del curso de la dimensionalidad que va en detrimento de los métodos de aprendizaje automático. Por otro lado, muchas tareas de la vida cotidiana involucran aprendizaje sobre conjuntos de datos desbalanceados, lo cual en la mayoría de los casos es difícil de manejar. Primeramente, en este trabajo se extienden los principales conceptos del fenómeno hubness para dominios con datos mezclados, lo que implica emplear una relación de similaridad en lugar de una función de distancia. También, se proponen cuatro métodos: dos enfoques basados en la generación/selección de prototipos para enfrentar el fenómeno hubness y dos enfoques basados en la generación/selección de prototipos sensibles al desbalance de clases en la clasificación. El estudio experimental realizado demuestra que es posible extender el área de aplicación de los métodos basados en prototipos y relaciones de similaridad a sistemas que manejen datos de altas dimensiones y bajo el supuesto de hubness y ante desequilibrio de clases.