Técnicas de balanceo de datos para predecir la ocurrencia del fenómeno meteorológico de la helada

MARÍA ISABEL MASANET; RAÚL OSCAR KLENZI; CAPRARO FLAVIO

San Juan

Congreso; XIX Reunión de Trabajo en Procesamiento de la Información y Control; 2021

Instituto de Automática (UNSJ-CONICET)

En Machine Learning, en particular las tareas de clasificación, el desequilibrio en las clases del conjunto de datos es una situación común, convirtiéndose en un inconveniente que afecta el rendimiento de los algoritmos. El ámbito de la meteorología no está exento a esta problemática, especialmente si se desea analizar un fenómeno meteorológico en particular, como es el caso de las heladas. Los registros de estos fenómenos son escasos en el marco del conjunto de datos relevados dentro de un periodo invernal. Existen distintas alternativas para tratar el desequilibrio en los datos, una de ellas lleva a cabo en la fase de preprocesamiento técnicas de remuestreo, que consiste en modificar el conjunto de datos agregando nuevos registros, eliminando alguno de ellos o ambas. En este trabajo se analizan los resultados de aplicar distintos métodos de remuestreo a los datos registrados por dos estaciones meteorológicas para el estudio del fenómeno de la helada con un clasificador de tipo Random Forest.