Este documento presenta dos paquetes de R para manejar problemas de datos desequilibrados. La funcionalidad incluye la aplicación de funciones de entropía generalizadas, como Rényi, Tsallis, Sharma-Mittal, Sharma-Taneja y Kapur, para medir la impureza de un nodo. Proporciona medidas no estándar para elegir un punto de división óptimo para un atributo (así como el atributo óptimo para la división) mediante la utilización de medidas de AUC local, semi-global y global (Área Bajo la Curva ROC). Ambos paquetes son aplicables para problemas binarios y de múltiples clases y admiten aprendizaje sensible al costo, definiendo una matriz de costos de clasificación errónea, y aprendizaje sensible al peso. Los paquetes aceptan todo tipo de atributos, incluidos continuos, ordenados y nominales, donde el último tipo se simplifica para problemas de múltiples clases para reducir los costos computacionales. Ambas aplicaciones permiten la optimización de los umbrales donde las probabilidades posteriores determinan las etiquetas de clase finales de manera que se minimizan los costos de clasificación errónea. El sobreajuste del modelo puede ser gestionado ya sea durante la fase de crecimiento o al final utilizando la poda posterior. Los paquetes están principalmente implementados en R, sin embargo, algunas funciones computacionalmente exigentes están escritas en C++ puro. Para acelerar el tiempo de aprendizaje, también se admite el procesamiento paralelo.