Glosario IA
El diccionario completo de la Inteligencia Artificial
Promedio Agregado
Técnica de agregación para regresión donde las predicciones numéricas de todos los modelos se promedian para obtener la predicción final.
Learners Base
Modelos individuales (débiles o fuertes) entrenados en diferentes muestras bootstrap y combinados para formar el modelo final de Bagging.
Inestabilidad del Modelo
Propiedad de los algoritmos cuyas predicciones varían significativamente con pequeños cambios en los datos de entrenamiento, justificando el uso de Bagging.
Robustez a los Outliers
Propiedad de Bagging que reduce el impacto de los valores atípicos gracias a la distribución de su influencia en múltiples modelos base.
Tamaño de Muestra Bootstrap
Parámetro que determina la proporción de muestras (generalmente 100% con reemplazo) extraídas para crear cada subconjunto de entrenamiento en Bagging.
Número de Estimadores
Hiperparámetro clave de Bagging que especifica el número de modelos base a entrenar, influyendo directamente en el rendimiento y el tiempo de cálculo.
Max Samples
Parámetro que controla la fracción de muestras extraídas para cada bootstrap, permitiendo ajustar el compromiso sesgo-varianza en Bagging.