Glosario IA
El diccionario completo de la Inteligencia Artificial
Bosque Aleatorio
Método de conjunto que combina varios árboles de decisión entrenados en subconjuntos de datos para mejorar la precisión predictiva y reducir el sobreajuste.
Bagging
Técnica de agregación bootstrap donde varios modelos se entrenan en diferentes muestras bootstrap y sus predicciones se combinan mediante votación mayoritaria.
Árboles de Decisión
Modelos predictivos que construyen una estructura arbórea de decisiones basada en las características de los datos para llegar a una predicción final.
Out-of-Bag
Muestras no seleccionadas durante el bootstrap para un árbol específico, utilizadas como conjunto de validación interno para estimar el error de generalización.
Muestreo de Características
Selección aleatoria de un subconjunto de características en cada división de nodo, aumentando la diversidad entre los árboles del bosque.
Votación Mayoritaria
Método de agregación donde la clase predicha es la que recibe más votos entre todos los árboles para problemas de clasificación.
Promedio de Predicciones
Técnica de agregación para regresión donde el valor final predicho es el promedio de las predicciones de todos los árboles del bosque.
Nodo Terminal
Hoja del árbol de decisión donde no se realiza ninguna división adicional, conteniendo la predicción final para las muestras que llegan a este punto.
Criterio de División
Métrica utilizada para evaluar la calidad de una división de nodo, como el índice de Gini o la entropía para las clasificaciones.
Hiperparámetros
Parámetros configurables antes del entrenamiento que controlan el comportamiento del bosque aleatorio, como el número de árboles o la profundidad máxima.