Estudio sobre el ajuste óptimo de pesos en SPODEs para balancear accuracy y fairnessen el clasificador probabilístico AODE

• Autores: M. Julia Flores, José Antonio Gámez Martín
• Localización: Actas del XVI Congreso Español de Metaheurísticas, Algoritmos Evolutivos y Bioinspirados: (MAEB 2025) 28-30 de mayo, Donostia/San Sebastián / coord. por Leticia Hernando Rodríguez, Josu Ceberio Uribe, Jon Vadillo Jueguen, 2025, ISBN 978-84-1319-656-5, págs. 275-278
• Idioma: español
• Enlaces
  • Texto Completo Libro
• Resumen

  • Este proyecto propone un enfoque basado en optimización multiobjetivo y al- goritmos evolutivos para parametrizar el clasificador Average One-Dependence Estimators (AODE), mediante un sistema de pesado de los diferentes SPODEs. El estudio está centrado en el impacto que este pesado produce respecto a la mejora en cuanto a medidas de fairness (equidad) para este clasificador, sin menoscabar en exceso su precisión. Se utilizará Naïve Bayes como baseline para comparar los resultados. La optimización se llevará a cabo mediante técnicas evolutivas como NSGA-II o MOEA/D, buscando configuraciones óptimas que reduzcan sesgos en conjuntos de datos con atributos sensibles. Se evaluará el impacto del ajuste de pesos en varios datasets, utilizando métricas estándar de clasificación y equidad.

    Finalmente, se analizarán los trade-offs entre precisión y fairness a través de la exploración de fronteras de Pareto, validando la viabilidad del enfoque propuesto.