Zona Gris, Un Experimento Para Entrenar Un Modelo De Clasificación A Partir De Valores Extremos

Abstract

Entrenar un modelo de clasificación dicotómica derivado de un problema de regresión, utilizando únicamente los valores extremos de la variable objetivo y excluyendo el resto (la zona gris), produce mejores resultados que emplear todos los datos disponibles de la población de desarrollo en la fase de entrenamiento. Esta estrategia podría ofrecer a investigadores y profesionales del área un mejor rendimiento de los modelos, optimizando aspectos como el tiempo, la eficiencia de los recursos computacionales, y potencialmente mejorando el desempeño durante la fase de entrenamiento

Training a dichotomous classification model derived from a regression problem, using only the extreme values of the target variable and excluding the rest (the gray zone), produces better results than using all available data from the development population in the training phase. This strategy could offer researchers and practitioners in the area better model performance, optimizing aspects such as time, computational resource efficiency, and potentially improving performance during the training phase