Glosario IA
El diccionario completo de la Inteligencia Artificial
Árboles de Decisión Clásicos
Algoritmos fundamentales como CART, ID3 y C4.5 que construyen estructuras de árbol para tomar decisiones basadas en reglas de particionamiento.
Random Forest
Método de conjunto que combina múltiples árboles de decisión entrenados en submuestras bootstrap para reducir la varianza y evitar el sobreajuste.
Máquinas de Gradient Boosting
Técnica de conjunto secuencial que construye modelos aditivos al optimizar una función de pérdida mediante descenso de gradiente.
XGBoost
Implementación optimizada del gradient boosting con regularización L1/L2, procesamiento paralelo y gestión eficiente de valores faltantes.
LightGBM
Algoritmo de gradient boosting que utiliza el crecimiento por hoja (leaf-wise) y el muestreo basado en histogramas para mejorar el rendimiento.
CatBoost
Método de gradient boosting especializado en el procesamiento automático de variables categóricas con codificación orientada al objetivo y boosting ordenado.
AdaBoost
Algoritmo de boosting adaptativo que ajusta los pesos de las observaciones difíciles de predecir a través de iteraciones sucesivas de aprendices débiles.
Bagging
Técnica de conjunto paralelo que utiliza el bootstrap aggregating para reducir la varianza combinando modelos entrenados en diferentes muestras.
Stacking y Blending
Métodos de conjunto que combinan las predicciones de múltiples modelos base a través de un meta-modelo para mejorar el rendimiento general.
Árboles Extra
Árboles Extremadamente Aleatorios, método similar a Random Forest pero con selección aleatoria de los umbrales de división para una mayor aleatorización.
Árboles de Regresión vs Clasificación
Especialización de los árboles de decisión para problemas de regresión (predicción continua) o clasificación (predicción discreta).
Métodos de Conjunto Paralelos
Enfoques en los que los modelos se construyen de forma independiente y simultánea, como Random Forest y Bagging, para reducir la varianza.