Glosario IA
El diccionario completo de la Inteligencia Artificial
Fuga de Información (Blending)
Riesgo específico del blending donde el meta-modelo puede sobre-aprender las predicciones de los modelos base si el conjunto de hold-out no es suficientemente representativo o es demasiado pequeño.
Peso de Blending
Coeficientes o parámetros aprendidos por el meta-modelo (a menudo una regresión lineal simple) para ponderar las predicciones de cada modelo base en la combinación final.
Entrenamiento a Dos Niveles
Proceso secuencial del blending donde los modelos base se entrenan primero, seguido por el entrenamiento del meta-modelo sobre sus predicciones respectivas.
Validación Cruzada Apilada
Alternativa al blending donde las predicciones para el meta-modelo se generan mediante una validación cruzada en el conjunto de entrenamiento, reduciendo el riesgo de sobre-aprendizaje pero aumentando la complejidad.
Diversidad de Modelos
Principio clave en blending que consiste en utilizar modelos base con algoritmos diferentes (ej: árbol de decisión, SVM, red neuronal) para capturar patrones variados y mejorar el rendimiento global.
Predicciones Out-of-Fold
Predicciones generadas por un modelo sobre los datos de validación de cada pliegue de una cross-validation, utilizadas en el stacking pero evitadas en el blending en favor de un conjunto de hold-out.
Sobre-aprendizaje del Meta-modelo
Fenómeno donde el meta-modelo memoriza las predicciones de los modelos base en el conjunto de hold-out en lugar de generalizar su combinación, a menudo debido a un conjunto de hold-out demasiado pequeño o a un meta-modelo demasiado complejo.
Blending Lineal
Forma simplificada de blending donde el meta-modelo es una regresión lineal, limitándose a encontrar una combinación lineal óptima de las predicciones de los modelos base.
División Estratificada para Blending
Técnica de división del conjunto de datos en conjuntos de entrenamiento y hold-out para el blending, preservando la distribución de las clases objetivo para evitar sesgo en las predicciones del meta-modelo.
Fusión de Predicciones
Acción de combinar las salidas de múltiples estimadores, que constituye el núcleo del blending y otros métodos de ensemble para producir una predicción final más robusta.
Blending Ponderado
Variante del blending donde los pesos asignados a las predicciones de los modelos base se definen manualmente o mediante una heurística, en lugar de ser aprendidos por un meta-modelo.
Generalización en Blending
Capacidad del modelo de blending final para desempeñarse correctamente en nuevos datos no vistos, dependiendo de la robustez de los modelos base y de la capacidad del meta-modelo para generalizar su combinación.