Glosario IA
El diccionario completo de la Inteligencia Artificial
Fidelidad del Sustituto
Métrica que evalúa en qué medida el modelo sustituto reproduce fielmente las predicciones del modelo complejo original en un conjunto de datos dado. Una alta fidelidad es esencial para garantizar que las interpretaciones del sustituto reflejen correctamente el comportamiento del modelo subyacente.
Modelo de Sustitución Global
Modelo sustituto entrenado en todo el conjunto de datos para capturar las tendencias generales y las relaciones globales del modelo complejo. Proporciona una visión general del comportamiento del modelo, pero puede perder matices locales importantes.
Modelo de Sustitución Local
Modelo sustituto entrenado en un vecindario restringido alrededor de una predicción específica para explicar el comportamiento local del modelo complejo. Este enfoque captura las variaciones finas y las interacciones específicas de una región del espacio de características.
Pérdida de Interpretabilidad
Compromiso inevitable entre la complejidad de un modelo sustituto y su capacidad para capturar con precisión el comportamiento del modelo original. Un modelo demasiado simple corre el riesgo de perder información crucial, mientras que un modelo demasiado complejo pierde su carácter interpretable.
Árbol de Decisión Sustituto
Modelo sustituto que utiliza una estructura de árbol de decisión para aproximar el comportamiento de un modelo complejo, ofreciendo una interpretación visual intuitiva. Las reglas de decisión generadas permiten comprender fácilmente los umbrales e interacciones importantes en el modelo original.
Regresión Lineal Sustituta
Modelo sustituto basado en una regresión lineal para aproximar localmente el comportamiento de un modelo no lineal complejo. Los coeficientes de la regresión proporcionan una medida directa de la importancia y la influencia de cada característica en la predicción.
Vecindario de Perturbación
Conjunto de muestras generadas mediante la perturbación de una instancia específica para crear un conjunto de datos local sobre el cual entrenar un modelo sustituto. El tamaño y la estrategia de perturbación influyen directamente en la calidad de la interpretación local obtenida.
Pesos de Proximidad
Coeficientes asignados a las muestras perturbadas según su distancia a la instancia de interés durante el entrenamiento de un sustituto local. Estos pesos aseguran que el modelo sustituto se concentre en el comportamiento del modelo complejo en la región pertinente.
Análisis de Sensibilidad Global
Uso de modelos sustitutos globales para evaluar el impacto global de cada característica en las predicciones del modelo complejo. Este enfoque identifica las variables más influyentes a escala de todo el conjunto de datos.
Métrica de R² Sustituto
Coeficiente de determinación utilizado para cuantificar la fidelidad de un modelo sustituto mediante la medición de la proporción de varianza explicada de las predicciones del modelo original. Un R² cercano a 1 indica una excelente aproximación del comportamiento del modelo complejo.