Un científico de datos entrenó un modelo XGBoost para marcar transacciones financieras fraudulentas. El conjunto de entrenamiento está muy desequilibrado (100.000 no fraudulentas frente a 1.000 fraudulentas). En la validación, el modelo muestra una precisión del 99,1%, pero demasiados falsos negativos (transacciones fraudulentas predichas como no fraudulentas). ¿Qué dos acciones debería tomar el científico de datos para reducir los falsos negativos?

Para reducir los falsos negativos en un conjunto de datos desequilibrado, es crucial ajustar el modelo para que preste más atención a la clase minoritaria (fraude). Aumentar scaleposweight en XGBoost asigna un peso mayor a los ejemplos positivos (fraudulentos) durante el entrenamiento, lo que ayuda al modelo a aprender mejor sus características y a reducir las predicciones de falsos negativos. Cambiar evalmetric a AUC (Área bajo la curva ROC) es beneficioso porque AUC es una métrica de rendimiento robusta para conjuntos de datos desequilibrados. Optimizar para AUC ayuda a encontrar un equilibrio entre la tasa de verdaderos positivos y la tasa de falsos positivos, lo que indirectamente reduce los falsos negativos al mejorar la capacidad del modelo para distinguir entre clases. Optimizar RMSE no es apropiado para problemas de clasificación. Ajustar maxdepth sin un análisis previo de sobreajuste o subajuste no aborda directamente el problema de los falsos negativos en un conjunto de datos desequilibrado.