Glosario IA
El diccionario completo de la Inteligencia Artificial
Ganancia de Impureza (Impurity Gain)
Criterio de selección de variable en los árboles de decisión que mide la reducción de la impureza (ej: índice de Gini o entropía) aportada por el particionamiento de un nodo según una característica dada.
Peso de Gini (Gini Importance)
Medida de importancia específica para los bosques aleatorios, calculada como la reducción promedio de la impureza de Gini aportada por una variable en todos los árboles del bosque.
Recursividad de Característica (Feature Recursion)
Concepto en los modelos basados en árboles donde la importancia de una variable está influenciada por su capacidad de ser seleccionada en múltiples niveles de profundidad, incluyendo en subárboles creados por otras variables.
Importancia por Reducción del Error (Drop Column Importance)
Método de evaluación de la importancia que consiste en reentrenar el modelo después de eliminar una variable y medir la degradación de su rendimiento en comparación con el modelo de referencia completo.
Valor SHAP (SHAP Value)
Puntuación cuantitativa asignada por el método SHAP a una característica para una predicción individual, representando su contribución marginal a la diferencia entre la predicción del modelo y la predicción promedio del conjunto de datos.
Force Plot SHAP (SHAP Force Plot)
Visualización específica de SHAP que ilustra cómo los valores SHAP de cada característica empujan la predicción del modelo desde el valor base (promedio) hacia el valor de salida final para una observación única.
Importancia Global vs Local
Distinción fundamental en interpretabilidad donde la importancia global evalúa el impacto de una variable en todo el modelo, mientras que la importancia local explica su contribución para una predicción específica.
Selección de Variables por Importancia
Proceso de reducción de dimensionalidad que utiliza las puntuaciones de importancia de las características para eliminar variables irrelevantes o redundantes, con el objetivo de mejorar el rendimiento y la interpretabilidad del modelo.
Coeficientes de Regresión LASSO
En el contexto de la selección, los coeficientes de un modelo LASSO (Least Absolute Shrinkage and Selection Operator) sirven como indicador de importancia, ya que la penalización L1 puede reducir algunos coeficientes a exactamente cero, eliminando así las variables correspondantes.
Importancia por Sustitutos (Surrogate Importance)
Método de evaluación de la importancia en los modelos basados en árboles que mide la capacidad de una variable para servir como sustituto (surrogate split) a la variable de división principal para particionar los datos, indicando una información redundante pero pertinente.
Importancia por Sensibilidad (Sensitivity Analysis)
Enfoque que evalúa la importancia de una variable analizando cómo las variaciones de sus valores influyen en la salida del modelo, a menudo mediante el cálculo de derivadas parciales o simulaciones de Monte Carlo.