Glosario IA
El diccionario completo de la Inteligencia Artificial
Promediado de Modelos Bayesianos (BMA)
Enfoque estadístico que combina las predicciones de múltiples modelos ponderándolos según sus probabilidades posteriores, permitiendo tener en cuenta la incertidumbre del modelo en las predicciones finales.
Probabilidad Posterior del Modelo
Probabilidad de que un modelo sea el verdadero modelo generador de los datos después de haber observado los datos, calculada mediante el teorema de Bayes combinando la verosimilitud y la probabilidad a priori del modelo.
Evidencia del Modelo
Verosimilitud marginal de los datos bajo un modelo específico, obtenida integrando sobre todos los parámetros del modelo, utilizada para comparar diferentes modelos en un marco bayesiano.
Ventana de Occam
Técnica de selección de modelos en el BMA que excluye los modelos demasiado complejos en comparación con los datos observados, conservando solo los modelos dentro de una ventana de complejidad razonable.
Selección de Modelos Bayesiana
Proceso de elección entre modelos competidores basado en sus probabilidades posteriores, integrando automáticamente la penalización por la complejidad del modelo mediante el principio de Occam.
Probabilidad a Priori del Modelo
Probabilidad asignada a un modelo antes de observar los datos, reflejando las creencias a priori sobre la verosimilitud relativa de los diferentes modelos candidatos.
Distribución Predictiva
Distribución de probabilidad de observaciones futuras integrando sobre la incertidumbre de parámetros y modelos, obtenida mediante promedio ponderado de las distribuciones predictivas de cada modelo.
Ensemble Bayesiano
Método de agregación de modelos que utiliza principios bayesianos para combinar las predicciones de múltiples modelos en una única predicción final ponderada por su credibilidad.
Predicción de Promedio Ponderado
Predicción final obtenida promediando las predicciones individuales de los modelos, ponderadas por sus probabilidades posteriores en el marco del BMA.
Criterio de Información Bayesiano (BIC)
Criterio de selección de modelo que aproxima la probabilidad posterior del modelo, penalizando la complejidad del modelo para evitar el sobreajuste en los enfoques bayesianos.
Proceso de Dirichlet
Proceso estocástico utilizado en los modelos bayesianos no paramétricos, permitiendo un número infinito de componentes en las mezclas y facilitando el promedio de modelos.
Modelo Bayesiano Jerárquico
Estructura de modelo donde los parámetros mismos tienen distribuciones a priori con sus propios hiperparámetros, permitiendo compartir información entre modelos similares en el BMA.
Composición de Modelos de Monte Carlo en Cadena de Markov (MC3)
Algoritmo de muestreo que explora el espacio de modelos para estimar las probabilidades posteriores de los modelos en problemas de selección y promedio de modelos.
Salto Reversible MCMC
Extensión del algoritmo MCMC que permite moverse entre espacios de parámetros de dimensiones diferentes, esencial para la inferencia bayesiana sobre modelos de complejidad variable.
Factor de Bayes
Relación de las evidencias de dos modelos competidores, cuantificando el apoyo proporcionado por los datos a favor de un modelo sobre otro en el marco bayesiano.
Posterior Predictivo
Distribución predictiva de observaciones futuras integrando sobre la incertidumbre de parámetros y modelos, piedra angular del BMA para hacer predicciones robustas.
Model Space
Ensemble de tous les modèles candidats considérés dans l'analyse BMA, pouvant être fini ou infini selon le contexte et les contraintes du problème.
Spike-and-Slab Prior
Distribution a priori mélange pour les coefficients de régression, combinant une masse ponctuelle à zéro (spike) et une distribution continue (slab), facilitant la sélection de variables dans le BMA.
Bayesian Model Combination
Extension du BMA où les poids de combinaison des modèles sont eux-mêmes traités comme des paramètres aléatoires avec des distributions a priori, permettant une inférence plus flexible sur l'agrégation.