Glosario IA
El diccionario completo de la Inteligencia Artificial
Consulta por comité
Estrategia de aprendizaje activo donde un comité de modelos vota para seleccionar las muestras más informativas basándose en su desacuerdo mutuo.
Entropía de voto
Medida de incertidumbre calculada a partir de la entropía de la distribución de los votos del comité, identificando las muestras con el desacuerdo máximo.
Divergencia de Kullback-Leibler
Métrica utilizada para cuantificar la divergencia entre las distribuciones de probabilidad de las predicciones de los miembros del comité.
Muestreo de margen
Técnica que selecciona las muestras donde la diferencia entre las dos clases más probables es mínima, indicando una incertidumbre alta.
Cambio esperado del modelo
Estrategia que evalúa el impacto potencial de una muestra en los parámetros del modelo antes de su etiquetado efectivo.
Reducción esperada del error
Enfoque que estima la reducción de error esperada en el conjunto de prueba si una muestra particular se etiqueta y se añade al conjunto de entrenamiento.
Longitud esperada del gradiente
Método que selecciona las muestras cuya adición provocaría la mayor longitud de gradiente, indicando un impacto significativo en el aprendizaje.
Muestreo por desacuerdo
Variante de la Consulta por comité que se centra específicamente en las muestras donde los miembros del comité están en mayor desacuerdo.
Muestreo por consenso
Técnica inversa que selecciona las muestras donde el comité alcanza un consenso fuerte, a menudo utilizada para validar la robustez del modelo.
Desacuerdo del comité
Medida que cuantifica el nivel de desacuerdo entre las predicciones de los diferentes miembros del comité para una muestra dada.
Muestreo de incertidumbre
Familia de técnicas de aprendizaje activo que seleccionan las muestras para las cuales el modelo está menos seguro de sus predicciones.
Ciclo de aprendizaje activo
Proceso iterativo de aprendizaje activo que incluye la selección de muestras, el etiquetado y la actualización del modelo.
Presupuesto de etiquetas
Restricción que define el número máximo de muestras que pueden ser etiquetadas en un proceso de aprendizaje activo.
Costo de anotación
Recursos temporales, financieros o humanos requeridos para etiquetar manualmente las muestras seleccionadas por la estrategia activa.
Varianza del modelo
Medida de la variabilidad de las predicciones entre los diferentes miembros del comité, esencial para evaluar el desacuerdo.
Estrategia de consulta
Algoritmo o heurística utilizado para seleccionar las muestras más informativas para etiquetar en el aprendizaje activo.
Aprendizaje activo basado en pool
Paradigma de aprendizaje activo donde el algoritmo selecciona muestras a partir de un gran pool de datos no etiquetados.