Glosario IA
El diccionario completo de la Inteligencia Artificial
Escalado de Platt
Método de calibración de probabilidades que ajusta una función sigmoide a las puntuaciones de decisión SVM para transformar las salidas en probabilidades bien calibradas. Utiliza una regresión logística sobre las puntuaciones de decisión para estimar las probabilidades posteriores de las clases.
Regresión Isotónica
Técnica de regresión no paramétrica que ajusta una función monótona a los datos, utilizada para calibrar las probabilidades SVM sin restricciones de forma funcional. Ofrece más flexibilidad que el Escalado de Platt pero requiere más datos para evitar el sobreajuste.
SVM Probabilístico
Extensión de las Máquinas de Vectores de Soporte que proporciona estimaciones de probabilidad para las predicciones de clasificación en lugar de simples etiquetas de clase. Combina la robustez de los SVM con medidas de confianza probabilística para decisiones más informadas.
Calibración de probabilidades
Proceso de ajuste de las puntuaciones de clasificación brutas para reflejar con precisión las probabilidades posteriores reales de las clases. Esencial para aplicaciones donde la confianza de las predicciones es tan importante como su exactitud.
Puntuación de decisión SVM
Valor numérico bruto calculado por un SVM antes de la clasificación final, que representa la distancia de la muestra al hiperplano de separación. Se utiliza como entrada para los métodos de calibración probabilística.
Función sigmoide de calibración
Función matemática en forma de S utilizada en el Escalado de Platt para mapear las puntuaciones de decisión SVM a probabilidades entre 0 y 1. Parametrizada por dos coeficientes aprendidos durante la fase de calibración.
Validación cruzada para calibración
Técnica de evaluación que utiliza datos distintos para el entrenamiento del SVM y la calibración de probabilidades para evitar el sobreajuste. Asegura que las probabilidades calibradas sean generalizables a nuevos datos.
Puntuación de Brier
Métrica de evaluación que mide la precisión de las predicciones probabilísticas calculando el error cuadrático medio entre las probabilidades predichas y los resultados reales. Se utiliza para cuantificar la calidad de la calibración de las probabilidades SVM.
Curva de calibración
Gráfico que compara las probabilidades predichas con las frecuencias observadas para evaluar visualmente la calidad de la calibración. Una curva perfecta sigue la diagonal, indicando una calibración ideal.
Regresión isotónica monótona
Variante de la regresión isotónica que impone una restricción de monotonía creciente en la función de calibración. Particularmente eficaz cuando se sabe que la relación entre puntuaciones y probabilidades es monótona pero no lineal.
Distancia de margen
Distancia perpendicular de un punto de datos al hiperplano de decisión SVM, utilizada como medida de confianza en la clasificación. Distancias mayores generalmente indican predicciones más fiables antes de la calibración.
Hiperplano de separación probabilístico
Frontera de decisión SVM que, una vez calibrada, asocia una probabilidad a cada punto del espacio de características en lugar de una simple clasificación binaria. Permite una cuantificación matizada de la incertidumbre de las predicciones.
Función kernel probabilística
Función de transformación que proyecta los datos en un espacio de características mientras preserva la información necesaria para una calibración probabilística posterior. Debe mantener la estructura de las distancias para una calibración eficaz.
Ajuste de los parámetros de calibración
Proceso de optimización de los coeficientes en las funciones de calibración (sigmoide o isotónica) para minimizar el error entre las probabilidades predichas y observadas. Utiliza técnicas como la maximización de la verosimilitud o el descenso de gradiente.
Evaluación de la calidad de las probabilidades
Conjunto de métricas y métodos para validar la fiabilidad de las probabilidades SVM calibradas, incluyendo el Brier Score, la curva de calibración y la prueba de Hosmer-Lemeshow. Esencial para garantizar la utilidad práctica de las predicciones probabilísticas.
Calibración multi-clase SVM
Extensión de los métodos de calibración probabilística a problemas con más de dos clases, utilizando estrategias one-vs-rest o pairwise coupling. Requiere enfoques específicos para mantener la coherencia de las probabilidades entre todas las clases.