Glosario IA
El diccionario completo de la Inteligencia Artificial
Medida de Diversidad
Métrica cuantitativa que evalúa el grado de disimilitud entre las predicciones de los modelos base en un conjunto, esencial para prevenir la correlación de errores.
Estadístico Q
Coeficiente estadístico que mide la dependencia entre dos clasificadores binarios, variando de -1 (diversidad máxima) a 1 (correlación perfecta) con 0 indicando independencia.
Coeficiente de Correlación
Métrica estadística que evalúa la relación lineal entre las predicciones de dos clasificadores, donde valores cercanos a 0 indican una fuerte diversidad beneficiosa.
Medida de Desacuerdo
Proporción de instancias donde dos clasificadores producen predicciones diferentes, calculada como la relación de desacuerdos sobre el número total de observaciones.
Estadístico Kappa
Medida de concordancia ajustada por el azar entre clasificadores, donde valores negativos indican una diversidad superior a la esperada por azar.
Medida de Entropía
Métrica basada en la entropía de Shannon que evalúa la diversidad a través de la distribución de las predicciones del conjunto, con valores altos indicando diversidad máxima.
Varianza de Kohavi-Wolpert
Medida de diversidad basada en la varianza de las predicciones binarias del conjunto, directamente relacionada con la tasa de error de Bayes óptima y la descomposición sesgo-varianza.
Medida de Doble Fallo
Proporción de instancias donde dos clasificadores cometen simultáneamente el mismo error, con valores bajos indicando una complementariedad beneficiosa de los modelos.
Medida de Dificultad
Métrica que evalúa la facilidad con la que las instancias son clasificadas correctamente por el conjunto, utilizada para identificar muestras problemáticas que requieren más diversidad.
Diversidad Basada en el Margen
Enfoque que mide la diversidad a través de la distribución de los márgenes de clasificación, donde una amplia dispersión de los márgenes indica una mayor robustez del conjunto.
Descomposición de Ambigüedad
Descomposición matemática que separa el error del conjunto en el error promedio de los modelos base más un término de ambigüedad que cuantifica su diversidad.
Correlación de Errores
Coeficiente de correlación calculado sobre los vectores de errores de los modelos base, donde los valores negativos son particularmente beneficiosos para el rendimiento del conjunto.
Aprendizaje por Correlación Negativa
Técnica de aprendizaje que integra un término de penalización que fomenta explícitamente la correlación negativa entre los errores de los modelos base durante el entrenamiento.
Regularización que Promueve la Diversidad
Término de regularización añadido a la función de pérdida para fomentar activamente la diversidad entre las predicciones de los modelos durante el entrenamiento del conjunto.
Aprendizaje de Conjunto Ortogonal
Método que obliga a los modelos base a aprender representaciones ortogonales en el espacio de características, garantizando matemáticamente su diversidad.
Diversidad de Conjunto Heterogéneo
Estudio de la diversidad que emerge naturalmente de la combinación de algoritmos de diferentes tipos (árboles, redes neuronales, SVM) explotando sus sesgos complementarios.