Glosario IA
El diccionario completo de la Inteligencia Artificial
Clasificación Binaria
Predicción de una variable objetivo con dos clases posibles, utilizada para problemas de tipo sí/no o verdadero/falso.
Clasificación Multiclase
Extensión de la clasificación binaria donde el modelo debe predecir entre tres clases o más mutuamente excluyentes.
Regresión Lineal
Modelo estadístico que establece una relación lineal entre las variables de entrada y una variable objetivo continua.
Regresión Polinomial
Forma de regresión que modela la relación no lineal entre las variables utilizando términos polinómicos.
Árboles de Decisión
Modelo predictivo que utiliza una estructura de árbol para representar las decisiones y sus posibles consecuencias.
Bosques Aleatorios
Método de conjunto que combina múltiples árboles de decisión para mejorar la precisión y controlar el sobreajuste.
Máquinas de Vectores de Soporte (SVM)
Algoritmo de clasificación que encuentra el hiperplano óptimo que separa las clases en un espacio de alta dimensión.
Redes Neuronales Supervisadas
Arquitecturas de deep learning entrenadas con datos etiquetados para aprender representaciones jerárquicas.
k-Vecinos Más Cercanos (k-NN)
Algoritmo simple que clasifica las nuevas observaciones basadas en la clase mayoritaria de sus k vecinos más cercanos.
Naïve Bayes
Clasificador probabilista basado en el teorema de Bayes con una hipótesis de independencia entre las características.
Gradient Boosting
Técnica de conjunto que construye modelos secuencialmente corrigiendo los errores de los modelos anteriores.
Regresión Logística
Modelo de regresión utilizado para predecir probabilidades para resultados de clasificación binarios.
Métodos de Regularización
Técnicas (L1, L2, Elastic Net) para prevenir el sobreajuste penalizando los coeficientes del modelo complejo.
Validación Cruzada
Técnica de evaluación robusta que utiliza varias particiones de los datos para estimar el rendimiento del modelo.
Ingeniería de Características Supervisada
Proceso de creación y selección de características óptimas específicamente para los modelos supervisados.