Glosario IA
El diccionario completo de la Inteligencia Artificial
Regresor de Agregación Bootstrap
Método de conjunto que aplica el principio de bagging a modelos de regresión, entrenando múltiples regresores en muestras bootstrap y agregando sus predicciones mediante promedio o mediana para reducir la varianza.
Error Fuera de Bolsa (OOB)
Métrica de evaluación del bagging calculada sobre las muestras que no fueron incluidas en la muestra bootstrap de un modelo dado, proporcionando una estimación no sesgada del error de generalización sin necesidad de validación cruzada.
Agregación por Promedio
Técnica de combinación de predicciones en un regresor de bagging donde la predicción final es el promedio aritmético de las predicciones individuales de todos los modelos del conjunto.
Agregación por Mediana
Alternativa robusta a la agregación por promedio donde la predicción final es la mediana de las predicciones individuales, menos sensible a valores atípicos y predicciones extremas de los modelos.
Regresor Base
Algoritmo de regresión individual (como árbol de decisión o k-vecinos más cercanos) utilizado como modelo débil en la arquitectura del bagging, entrenado en diferentes muestras bootstrap.
Estabilidad del Bagging
Propiedad del regresor de bagging de producir predicciones más estables y menos variables frente a cambios en los datos de entrenamiento, gracias a la reducción de la varianza por agregación.
Regresor de Subespacio Aleatorio
Variante del bagging donde cada regresor base es entrenado en un subconjunto aleatorio de las características además de las muestras bootstrap, aumentando la diversidad de los modelos.
Regresor de Pasting
Variante del bagging donde las muestras para entrenar cada modelo son tomadas sin reemplazo, utilizada cuando el conjunto de datos es demasiado grande para el bootstrap con reemplazo.
Error Cuadrática Media Agregada
Métrica de evaluación específica para bagging regressors que calcula el promedio de los errores cuadráticos entre las predicciones agregadas y los valores reales sobre el conjunto de prueba.
Bagging con Árboles de Decisión
Aplicación más común del bagging regressor que utiliza árboles de decisión como modelos base, conocida por reducir significativamente la varianza mientras mantiene un sesgo bajo.
Intervalos de Predicción por Bagging
Técnica que utiliza la distribución de las predicciones individuales de los modelos de bagging para construir intervalos de confianza cuantitativos alrededor de la predicción final agregada.