# Detector de desbalance y remuestreo Detecta desbalance de clases en datasets CSV o JSON, compara estrategias y previsualiza una salida balanceada > Página canónica: https://elysiatools.com/es/tools/dataset-imbalance-detector-resampler - **Categoría:** Data Analysis - **Palabras clave:** dataset, desbalance, remuestreo, ml ## Descripción general Pega un dataset CSV o sube un archivo CSV/JSON y luego indica la columna de etiqueta. La herramienta cuenta cada clase, mide el ratio de desbalance, sugiere si conviene oversampling o undersampling y genera una vista previa balanceada. Como usar: - Entrada de dataset: pega CSV para un analisis rapido - Archivo de datos: sube CSV o JSON - Columna de etiqueta: elige la clase objetivo - Estrategia de remuestreo: usa none, oversample o undersample - Formato de exportacion: vista previa en JSON o CSV - Filas de vista previa: limita cuantas filas balanceadas se muestran Notas: - Oversample duplica filas minoritarias hasta alcanzar la clase mayoritaria - Undersample recorta la clase mayoritaria hasta el tamano minoritario - El reporte compara ambas estrategias - Puede ayudarte a decidir si luego vale la pena aplicar SMOTE ## Entradas - **Entrada de dataset** (textarea): id,label,score 1,yes,0.9 2,no,0.2 - **Archivo de datos** (file) - **Columna de etiqueta** (text): label - **Estrategia de remuestreo** (select) - **Formato de exportacion** (select) - **Filas de vista previa** (number) ## Cuándo usarlo - Cuando entrenas modelos de clasificación y notas que la clase mayoritaria domina las predicciones. - Antes de aplicar técnicas avanzadas como SMOTE, para evaluar si un remuestreo básico es suficiente. - Al explorar un nuevo dataset para comprender rápidamente la distribución de sus etiquetas. ## Cómo funciona - Pega tu dataset en formato CSV o sube un archivo CSV/JSON directamente en la herramienta. - Escribe el nombre exacto de la columna que contiene las etiquetas o clases a analizar. - Selecciona una estrategia de remuestreo (oversample o undersample) y el formato de salida deseado. - La herramienta genera un reporte visual con la distribución original y una vista previa de los datos balanceados. ## Casos de uso - Detección de fraudes financieros donde las transacciones legítimas superan ampliamente a las fraudulentas. - Diagnóstico médico predictivo donde los casos positivos de una enfermedad son una pequeña fracción del dataset. - Análisis de abandono de clientes (churn) para equilibrar los usuarios retenidos frente a los que cancelaron. ## Preguntas frecuentes ### ¿Qué formatos de archivo soporta la herramienta? Puedes pegar texto directamente en formato CSV o subir archivos con extensión .csv y .json. ### ¿Cuál es la diferencia entre oversample y undersample? Oversample duplica las filas de la clase minoritaria para igualar a la mayoritaria, mientras que undersample recorta aleatoriamente las filas de la clase mayoritaria hasta alcanzar el tamaño de la minoritaria. ### ¿Es seguro usar oversample con datasets muy grandes? Sí, pero ten en cuenta que aumentará el tamaño total de tu dataset, lo que podría requerir más memoria durante el entrenamiento de tu modelo. ### ¿Puedo exportar el dataset balanceado completo? La herramienta genera una vista previa en JSON o CSV según el número de filas configurado, ideal para validar la estrategia antes de procesar todo en tu entorno local. ### ¿Qué pasa si mi dataset tiene más de dos clases? La herramienta identificará todas las clases únicas en la columna indicada y ajustará las cantidades basándose en la clase mayoritaria o minoritaria según la estrategia elegida. ## Herramientas relacionadas - [Detector de anomalias en series temporales](https://elysiatools.com/es/tools/time-series-anomaly-detector): Sube datos de series temporales en CSV o JSON, detecta anomalías con Z-Score e IQR y devuelve un informe con grafico - [Perfilador de calidad de datasets](https://elysiatools.com/es/tools/dataset-quality-profiler): Perfila datasets CSV o JSON para detectar faltantes, duplicados, drift de formato, tipos y outliers. - [Detector de conflictos de prefijos y abreviaturas en mock data](https://elysiatools.com/es/tools/mock-data-naming-conflict-detector): Detecta nombres de campo visualmente confusos y colisiones de prefijo en CSV, JSON o schemas - [Analizador de pronostico y estacionalidad](https://elysiatools.com/es/tools/time-series-forecast-seasonality-analyzer): Pronostica periodos futuros desde series temporales CSV o JSON y muestra tendencia, componente estacional y residual - [Divisor train/test con estratificación](https://elysiatools.com/es/tools/train-test-split-with-stratification): Lee un dataset CSV/JSON y divide en train/validation/test con muestreo estratificado por la columna objetivo (70/15/15 por defecto, semilla reproducible), o valida con k-fold estratificado; incluye informe de distribución de clases por split con barras de desviación, comprobación de fugas por filas duplicadas, vista previa de SMOTE (interpolación de vecinos sobre el split de train) y exportación de los CSV en ZIP. - [Visualizador de rutas JSON](https://elysiatools.com/es/tools/json-path-visualizer): Visualiza JSON o JSONL como un arbol expandible y copia expresiones JSONPath para cada nodo - [Planificador de migracion CSV a base de datos](https://elysiatools.com/es/tools/csv-to-database-migration-planner): Infiere un schema relacional desde CSV y genera planes CREATE TABLE y ALTER para PostgreSQL, MySQL, SQLite o SQL Server - [Analizador de logs estructurados](https://elysiatools.com/es/tools/structured-log-analyzer): Detecta formatos comunes de logs, extrae campos clave e infiere tipos para exportar en JSON, CSV o SQL. ## Ejemplos - [Ejemplos CSV](https://elysiatools.com/es/samples/csv-samples): Archivos CSV de muestra con varios tipos de datos, tamaños y niveles de complejidad - [Ejemplos Python](https://elysiatools.com/es/samples/python): Ejemplos de código Python y demostraciones Hello World - [Muestras de Trazado Distribuido](https://elysiatools.com/es/samples/distributed-tracing-samples): Ejemplos completos de trazado distribuido usando Jaeger, OpenTelemetry y herramientas de observabilidad modernas - [Muestras JWT](https://elysiatools.com/es/samples/jwt-samples): Ejemplos completos de JWT desde la estructura básica de tokens hasta implementaciones de seguridad avanzadas