El grupo de la línea de investigación Machine Learning de la BCAM publica la librería de Python MRCpy

La biblioteca está diseñada con un enfoque orientado a objetos que facilita a los colaboradores y usuarios

El grupo de Machine Learning de BCAM ha publicado la librería de Python MRCpy. Dicha librería implementa los Clasificadores de Riesgo Minimax (Minimax Risk Classifiers - MRCs) que han sido desarrollados por el grupo de la línea de investigación en BCAM durante los últimos años. El proyecto ha sido llevado a cabo por investigadores del BCAM entre los que se encuentran el estudiante de doctorado Kartheek Bondugula, la técnica de investigación Claudia Guerrero, el estudiante posdoctoral Aritz Pérez y el profesor Santiago Mazuelas (investigador de BCAM - Ramón y Cajal 2018).

MRCpy implementa técnicas de clasificación supervisada que aprenden a partir de muestras de entrenamiento utilizando métodos minimax. Este tipo de métodos de Inteligencia Artificial (IA) pueden ser utilizados en aplicaciones generales que explotan el aprendizaje supervisado. Los métodos implementados pueden ser especialmente adecuados en situaciones en las que se necesita una clasificación robusta. Estas situaciones son comunes en escenarios donde las muestras de entrenamiento no cumplen con la suposición habitual. Las técnicas desarrolladas pueden hacer frente a estas situaciones, ya que las MRC minimizan la probabilidad de error en el peor de los casos. Además, las MRC proporcionan límites de rendimiento ajustados en el aprendizaje que pueden utilizarse para evaluar la precisión de la clasificación sin necesidad de realizar pruebas.

MRCpy proporciona una interfaz unificada para múltiples variantes de MRCs y sigue los estándares de las bibliotecas populares de Python. La biblioteca presentada también proporciona una implementación para técnicas populares que pueden ser vistas como MRCs tales como la regresión logística L1-regularizada, el adversario cero-uno, y las máquinas de máxima entropía. Además, MRCpy implementa mapeos de características recientes como Fourier, ReLU y características de umbral.

La biblioteca está disponible bajo licencia MIT y su API completa junto con múltiples ejemplos guiados de uso. MRCpy seguirá siendo desarrollada por el grupo de la línea de investigación de Aprendizaje Automático del BCAM y pronto incluirá extensiones para el aprendizaje permanente, la adaptación de dominios y la supervisión débil.

• Artículo relacionado con la librería: MRCpy: A Library for Minimax Risk Classifiers at this
• Otros artículos relacionados:
  • Minimax Classification with 0-1 Loss and Performance Guarantees
  • Generalized Maximum Entropy for Supervised Classification