Glosario IA
El diccionario completo de la Inteligencia Artificial
Teoría de Juegos en IA
Aplicación de los principios de la teoría de juegos para analizar e interpretar el comportamiento de los modelos de inteligencia artificial. Permite modelar las interacciones entre características como jugadores cooperativos en un juego.
Force Plot SHAP
Visualización interactiva que muestra cómo cada característica impulsa la predicción hacia arriba o hacia abajo en relación con el valor base. Ilustra gráficamente las contribuciones aditivas de las características para una predicción específica.
Summary Plot SHAP
Gráfico que combina la importancia de las características con sus efectos en las predicciones a través de todo el conjunto de datos. Permite identificar rápidamente las características más influyentes y su relación con la variable objetivo.
Dependence Plot SHAP
Visualización que muestra el efecto de una característica específica en la predicción, revelando al mismo tiempo posibles interacciones con otras características. Destaca las relaciones no lineales y las dependencias entre variables.
Waterfall Plot SHAP
Representación secuencial que muestra la acumulación progresiva de las contribuciones de cada característica para alcanzar la predicción final. Parte del valor base y añade sucesivamente cada valor SHAP hasta la predicción del modelo.
Valor de Expectativa
Valor base o de referencia utilizado en SHAP que representa la predicción promedio del modelo en ausencia de información sobre las características. Sirve como punto de partida para calcular las contribuciones aditivas de las características.
Valor Marginal
Contribución adicional de una característica cuando se añade a un subconjunto de características existentes. En el corazón del cálculo de los valores SHAP, esta medida cuantifica el impacto incremental de cada variable.
Coalición de Características
Subconjunto de características consideradas conjuntamente en el cálculo de los valores SHAP, análogo a las coaliciones de jugadores en la teoría de juegos. El análisis de todas las coaliciones posibles garantiza la equidad en la distribución de las contribuciones.
Aditividad de las Explicaciones
Propiedad fundamental de SHAP que garantiza que la suma de las contribuciones de las características más el valor base es exactamente igual a la predicción del modelo. Asegura la coherencia matemática y la interpretabilidad de las explicaciones.