Glosario IA
El diccionario completo de la Inteligencia Artificial
Factorización de Matrices Probabilística (PMF)
Enfoque bayesiano de la factorización de matrices que modela las preferencias usuario-ítem con distribuciones probabilísticas, permitiendo cuantificar y gestionar la incertidumbre de las predicciones.
Matriz de Factores Latentes
Matriz de bajo rango que representa las características latentes no observadas de los usuarios o ítems, cuyas entradas son variables aleatorias en el marco PMF.
Distribución a Posteriori
Distribución probabilística de los factores latentes después de considerar los datos observados, representando el conocimiento actualizado sobre los parámetros del modelo PMF.
Matriz de Precisión
Inversa de la matriz de covarianza, utilizada en la definición de las distribuciones Gaussianas (a priori y verosimilitud) para controlar la confianza en las observaciones y la regularización de los factores latentes.
Modelo de Tres Niveles
Extensión de PMF donde los hiperparámetros mismos tienen una distribución a priori, permitiendo una inferencia automática de la regularización óptima y una mejor gestión de la dispersión.
Ruido de Observación
Variabilidad aleatoria inherente a los datos observados (ej: calificaciones imprecisas), modelada por la varianza de la distribución de verosimilitud en PMF para capturar la incertidumbre de las preferencias del usuario.
Regularización Automática
Capacidad del marco bayesiano de PMF para determinar automáticamente el nivel óptimo de regularización mediante la inferencia sobre los hiperparámetros, evitando el ajuste manual costoso.
Predicción Media Posterior
Estimación puntual de una calificación no observada calculada como la esperanza de la distribución predictiva a posteriori, integrando sobre la incertidumbre de los factores latentes para una predicción más robusta.
Factorización de Matrices Probabilística Variacional
Enfoque alternativo al muestreo MCMC que aproxima la distribución posterior mediante la optimización de un límite inferior en la log-verosimilitud, ofreciendo un compromiso velocidad-precisión para grandes conjuntos de datos.
Matriz de Interacción Usuario-Item
Matriz dispersa (sparse) de datos observados (ej: calificaciones, clics) que el modelo PMF busca aproximar factorizando sus entradas observadas para predecir las entradas faltantes.