Glosario IA
El diccionario completo de la Inteligencia Artificial
Aleatoriedad de Características
Introducción de aleatoriedad en la selección de variables predictivas para cada árbol de decisión, reduciendo la correlación entre los modelos del conjunto.
Estimador Bagging
Modelo compuesto resultante de la aplicación del bagging, combinando las predicciones de varios estimadores base por voto o promedio.
Tamaño de Muestra Bootstrap
Número de observaciones en cada muestra bootstrap, típicamente igual al tamaño del conjunto de entrenamiento original para maximizar la diversidad.
Aprendizaje Paralelo
Capacidad del bagging para entrenar los modelos base independientemente y simultáneamente, ofreciendo ventajas computacionales significativas.
Diversidad del Modelo
Medida de disimilaridad entre las predicciones de los modelos base, esencial para la efectividad del bagging y obtenida mediante el muestreo bootstrap.
Distribución Bootstrap
Distribución empírica de las estadísticas calculadas sobre múltiples muestras bootstrap, utilizada para estimar la incertidumbre de las predicciones.
Clasificador Bagging
Implementación específica del bagging para problemas de clasificación, utilizando generalmente el voto mayoritario para combinar las predicciones.
Regresor Bagging
Versión del bagging adaptada a problemas de regresión, combinando las predicciones por promedio o mediana de los modelos base.