Glosario IA
El diccionario completo de la Inteligencia Artificial
Optimización de Hiperparámetros
Proceso automatizado de búsqueda de los mejores hiperparámetros para un modelo de aprendizaje utilizando técnicas como la optimización bayesiana, la búsqueda aleatoria o el meta-aprendizaje.
Espacio de Configuración
Conjunto estructurado de todas las combinaciones posibles de hiperparámetros para un algoritmo de aprendizaje, incluyendo las restricciones, las dependencias y los dominios de valores válidos.
Modelo Sustituto
Modelo aproximativo utilizado en la optimización bayesiana para estimar la función de rendimiento costosa de evaluar, permitiendo explorar eficientemente el espacio de hiperparámetros.
Inicialización en Caliente
Técnica de inicialización de la optimización de hiperparámetros utilizando conocimientos de tareas similares u optimizaciones previas para acelerar la convergencia.
Aprendiz Base
Modelo de aprendizaje automático cuyos hiperparámetros son optimizados por el sistema de meta-aprendizaje, sirviendo como objetivo para las recomendaciones de configuración.
Meta-Aprendizaje Basado en Rendimiento
Enfoque que utiliza el rendimiento histórico de las configuraciones en diferentes tareas para aprender a predecir las mejores configuraciones para nuevas tareas similares.
Optimización Multi-Fidelidad
Estrategia de optimización que utiliza aproximaciones de bajo costo (baja fidelidad) para evaluar rápidamente las configuraciones antes de validar las más prometedoras con evaluaciones de alta fidelidad.
Meta-Conjunto de Datos
Colección estructurada de metadatos sobre múltiples tareas de aprendizaje, incluyendo las características de los conjuntos de datos y el rendimiento de las configuraciones de hiperparámetros.
Optimización de Hiperparámetros de Pocos Ejemplos
Enfoque de meta-aprendizaje que permite optimizar los hiperparámetros con muy pocas evaluaciones en la tarea objetivo transfiriendo el conocimiento de un gran número de tareas fuente.
Función de Adquisición
Función utilizada en la optimización bayesiana guiada por meta-aprendizaje para equilibrar la exploración y la explotación seleccionando las configuraciones de hiperparámetros a evaluar.