Glosario IA
El diccionario completo de la Inteligencia Artificial
Importancia por Permutación
Técnica de evaluación de la importancia de características que mide la degradación del rendimiento del modelo cuando los valores de una variable se permutan aleatoriamente, rompiendo así su relación con el objetivo.
Gráfico de Dependencia Parcial (PDP)
Visualización que muestra el efecto marginal promedio de una o dos características en la predicción del modelo, integrando los efectos de las demás variables.
Efectos Locales Acumulados (ALE)
Método alternativo a los PDP que calcula los efectos de las características teniendo en cuenta las correlaciones entre variables, evitando así los sesgos presentes en los gráficos de dependencia parcial.
Modelo Suplente Global
Modelo simple e interpretable (como un árbol de decisión o regresión lineal) entrenado para aproximar el comportamiento global de un modelo complejo en todo el conjunto de datos.
Modelo Suplente Local
Modelo interpretable entrenado específicamente para aproximar las predicciones de un modelo complejo en un vecindario restringido alrededor de una instancia particular.
Expectativa Condicional Individual (ICE)
Visualización que traza la predicción del modelo para cada instancia individual al variar una característica específica, revelando la heterogeneidad de los efectos más allá del promedio.
Gradient SHAP
Variante de SHAP que combina el método de gradientes con muestras de referencia para aproximar eficientemente los valores SHAP en modelos de aprendizaje profundo.
Propagación de Relevancia por Capas (LRP)
Técnica de propagación hacia atrás que redistribuye la predicción final de la red neuronal hacia las características de entrada pasando por cada capa, conservando la suma total de relevancia.
Contribución de Características
Medida cuantitativa del impacto individual de cada característica en la predicción final, a menudo expresada como una diferencia respecto a un valor de referencia o base.
Grad-CAM (Mapeo de Activación de Clase Ponderado por Gradientes)
Técnica de visualización para redes neuronales convolucionales que genera mapas de calor localizando las regiones importantes para una predicción específica utilizando los gradientes de la capa final.
Valores de Interacción SHAP
Extensión de los valores SHAP que descompone no solo la importancia de las características individuales sino también sus efectos de interacción, cuantificando cómo los pares de variables influyen colectivamente en la predicción.