Glosario IA
El diccionario completo de la Inteligencia Artificial
DBSCAN (Density-Based Spatial Clustering of Applications with Noise)
Algoritmo de agrupamiento (clustering) no supervisado que agrupa los puntos densamente poblados marcando los puntos aislados en regiones de baja densidad como anomalías o ruido.
LOF (Local Outlier Factor)
Método de detección de anomalías que mide la desviación de la densidad local de un punto con respecto a sus vecinos, identificando los valores atípicos como los puntos que tienen una densidad significativamente menor.
Epsilon (ε) en DBSCAN
Parámetro de distancia que define el radio del vecindario alrededor de un punto para determinar si pertenece a una región densa, crucial para la sensibilidad del algoritmo.
MinPts en DBSCAN
Parámetro umbral que indica el número mínimo de puntos requeridos en el vecindario epsilon para que un punto sea considerado como un punto central (core point).
Punto Central (Core Point)
Punto que posee al menos MinPts vecinos en su radio epsilon, sirviendo de semilla para la formación de un clúster denso en DBSCAN.
K-distancia
Distancia entre un punto y su k-ésimo vecino más cercano, utilizada como base para calcular la densidad local en el algoritmo LOF.
Distancia de Alcanzabilidad (Reachability Distance)
Distancia de alcanzabilidad utilizada en LOF, definida como el máximo de la k-distancia del vecino y la distancia real entre dos puntos, para estabilizar las medidas de densidad.
Densidad Local Alcanzable (Local Reachability Density - LRD)
Inverso de la distancia de alcanzabilidad k promedio de un punto con respecto a sus vecinos, cuantificando la densidad local alrededor de este punto en el algoritmo LOF.
Factor de Atípico Local (Local Outlier Factor - LOF)
Relación entre la densidad local alcanzable de un punto y la densidad media de sus vecinos, donde una puntuación superior a 1 indica una probabilidad de ser un valor atípico.
OPTICS (Ordering Points To Identify the Clustering Structure)
Algoritmo de densidad que extiende DBSCAN y crea un orden de puntos que representa la estructura de densidad, permitiendo la extracción de clústeres a diferentes resoluciones sin un parámetro épsilon fijo.
Gráfico de Alcanzabilidad (Reachability Graph)
Representación visual de la alcanzabilidad de la k-distancia para cada punto, generada por OPTICS para identificar los valles de densidad correspondientes a los clústeres.
Árbol de Condensación (Cluster Tree Condensation)
Proceso en HDBSCAN que simplifica el árbol de clústeres jerárquico fusionando los clústeres que no son persistentes a través de diferentes escalas de densidad.
Puntuación de Anomalía Basada en la Densidad
Métrica cuantitativa que evalúa el grado de aislamiento de un punto en función de la densidad de su vecindario, utilizada para clasificar la gravedad de las anomalías detectadas.
Método del Vecino Más Cercano Basado en Densidad (Density-Based Nearest Neighbor)
Enfoque de detección de anomalías donde un punto se considera un valor atípico si la distancia a su vecino más cercano es significativamente superior a la distancia media de los otros puntos.
Submuestreo Basado en la Densidad (Density-Based Subsampling)
Técnica de preprocesamiento que reduce el tamaño del conjunto de datos conservando preferentemente los puntos de las regiones de baja densidad, mejorando la eficiencia de la detección de anomalías.
Isolation Forest vs. Densidad
Distinción conceptual donde Isolation Forest identifica las anomalías por su facilidad de aislamiento en el espacio de características, mientras que los métodos basados en la densidad las identifican por su baja concentración espacial.