Glosario IA
El diccionario completo de la Inteligencia Artificial
SMAC
Herramienta de optimización bayesiana que utiliza bosques aleatorios como modelo sustituto para la configuración de algoritmos, particularmente efectiva en espacios de hiperparámetros categóricos y condicionales.
Selección de Conjunto
Proceso de construcción automática de un conjunto de modelos optimizados seleccionando y ponderando dinámicamente los mejores modelos de un gran pool de candidatos.
Pipeline Optimizado
Secuencia completa de transformaciones de datos y modelos de aprendizaje automático optimizada automáticamente para maximizar el rendimiento predictivo en un conjunto de datos dado.
Ensamblaje Bootstrap
Técnica de ensamblaje donde múltiples modelos son entrenados en diferentes muestras bootstrap del conjunto de datos de entrenamiento para reducir la varianza y mejorar la generalización.
Configuración de Algoritmo
Proceso de búsqueda sistemática de la mejor configuración de hiperparámetros para un algoritmo dado en una clase de problemas específica.
Espacio de Búsqueda Condicional
Espacio de hiperparámetros donde la validez de ciertos parámetros depende de los valores de otros parámetros, requiriendo estrategias de búsqueda adaptativas.
Auto-sklearn 2.0
Versión mejorada de Auto-sklearn con mecanismos de paralelización avanzados, estrategias de muestreo de meta-aprendizaje y una integración más eficiente de conjuntos.
Meta-modelo
Modelo entrenado para predecir el rendimiento de los algoritmos de aprendizaje automático basado en las meta-características de los conjuntos de datos para guiar la búsqueda de algoritmos.
Selección de Modelos Basada en Rendimiento
Estrategia de selección automática de modelos basada en la evaluación comparativa del rendimiento de múltiples configuraciones en datos de validación.
Optimización Consciente de Recursos
Proceso de optimización que tiene en cuenta las limitaciones computacionales como el tiempo y la memoria para encontrar el mejor equilibrio rendimiento-costo.