En el área de aprendizaje automático, uno de los problemas que se presenta es el relacionado con las clases no balanceadas. Esto ocurre cuando en el conjunto de datos se dispone de muchos ejemplos de una clase, pero muy pocos de otra. La principal contribución de este trabajo es la definición de un sesgo modificado, con la SVM entrenada original, de forma que se mejora la generalización sobre conjuntos no balanceados medida en forma de media geométrica. Una ventaja importante de nuestra propuesta es que el problema de optimización para hallar la SVM no cambia para el sesgo elegido y, por tanto, el coste computacional es casi nulo. Los resultados de experimentación confirman que la propuesta iguala en prestaciones aquellas con mayor rendimiento en la literatura, mientras que no añade coste computacional.