Glosario IA
El diccionario completo de la Inteligencia Artificial
One-vs-Rest (OvR)
Stratégie de décomposition de la classification multi-classe en plusieurs classificateurs binaires, où chaque classificateur distingue une classe contre toutes les autres.
One-vs-One (OvO)
Approche qui entraîne un classificateur binaire pour chaque paire de classes possibles, nécessitant n(n-1)/2 classificateurs pour n classes.
Matrice de confusion multi-classe
Tableau NxN où N est le nombre de classes, affichant les prédictions correctes et incorrectes du modèle pour évaluer sa performance de classification.
Score F1 macro
Moyenne non pondérée des scores F1 de chaque classe, traitant toutes les classes de manière égale quelle que soit leur fréquence dans le jeu de données.
Score F1 micro
Métrique qui calcule le score F1 globalement en comptant le total des vrais positifs, faux négatifs et faux positifs à travers toutes les classes.
Score F1 weighted
Moyenne pondérée des scores F1 par classe, où chaque classe contribue proportionnellement à son nombre d'échantillons dans le jeu de données.
Logits
Scores bruts non normalisés produits par la dernière couche d'un réseau de neurones avant l'application de la fonction softmax pour la classification multi-classe.
Cross-entropy multi-classe
Fonction de perte qui mesure la divergence entre la distribution de probabilité prédite et la distribution réelle des étiquettes dans un contexte multi-classe.
Muestreo estratificado
Técnica de muestreo que preserva la proporción de las clases en los subconjuntos de entrenamiento y prueba para evitar el sesgo de distribución.
Desequilibrio de clases
Situación donde las clases no están representadas de manera igual en el conjunto de datos, pudiendo sesgar el aprendizaje hacia las clases mayoritarias.
Submuestreo aleatorio
Método de submuestreo que reduce aleatoriamente el número de muestras de las clases mayoritarias para equilibrar la distribución de clases.
Sobremuestreo aleatorio
Enfoque de sobremuestreo que duplica aleatoriamente las muestras de las clases minoritarias para alcanzar el equilibrio con las clases mayoritarias.
Precisión multiclase
Métrica calculada como el promedio de precisiones por clase, donde la precisión de una clase es la proporción de verdaderos positivos sobre el total de predicciones positivas.
Recall multiclase
Métrica que representa el promedio de los recalls por clase, midiendo la capacidad del modelo para identificar todas las muestras relevantes para cada clase.
Curva ROC multiclase
Extensión de la curva ROC para la clasificación multiclase, generalmente calculada utilizando un enfoque Uno contra el Resto o promedio macro.
AUC multiclase
Área bajo la curva ROC para problemas multiclase, calculada como el promedio de las AUC binarias según el enfoque Uno contra el Resto.
Árboles de decisión multiclase
Algoritmos basados en reglas que particionan recursivamente el espacio de características para crear hojas correspondientes a las diferentes clases.
Regresión logística multiclase
Extensión de la regresión logística que utiliza la función softmax para modelar la probabilidad de pertenencia a cada una de las K clases posibles.
SVM multiclase
Máquinas de vectores de soporte adaptadas para la clasificación multiclase, típicamente implementadas a través de las estrategias Uno-vs-Resto o Uno-vs-Uno.
KNN multiclase
Algoritmo de los k vecinos más cercanos que clasifica una nueva observación según la clase mayoritaria entre sus k vecinos más cercanos.
Naïve Bayes multiclase
Clasificador probabilístico basado en el teorema de Bayes con hipótesis de independencia condicional, extendido naturalmente a problemas multiclase.
Random Forest multiclase
Método de conjunto que combina múltiples árboles de decisión entrenados en submuestras bootstrap, con clasificación por votación mayoritaria.