Glosario IA
El diccionario completo de la Inteligencia Artificial
Hiperparámetro
Parámetro externo al modelo cuyo valor debe ser definido antes del entrenamiento, influyendo directamente en la capacidad de aprendizaje y el rendimiento final del algoritmo.
Subaprendizaje
Situación donde el modelo es demasiado simple para capturar la estructura subyacente de los datos, resultando en mal rendimiento tanto en los conjuntos de entrenamiento como de prueba.
Búsqueda en Cuadrícula
Método de optimización sistemática que explora exhaustivamente todas las combinaciones posibles de hiperparámetros en una cuadrícula predefinida para identificar la mejor configuración.
Búsqueda Aleatoria
Enfoque de optimización que muestrea aleatoriamente combinaciones de hiperparámetros en el espacio de búsqueda, a menudo más eficiente que Grid Search para espacios de gran dimensión.
Optimización Bayesiana
Método de optimización secuencial que utiliza un modelo probabilístico para guiar la búsqueda de hiperparámetros óptimos equilibrando exploración y explotación.
Puntuación de Validación
Métrica cuantitativa que evalúa el rendimiento del modelo en el conjunto de validación, sirviendo como criterio objetivo para la selección y ajuste de hiperparámetros.
Aprendizaje por Conjunto
Paradigma que combina múltiples modelos base para mejorar el rendimiento predictivo global mediante la agregación de sus predicciones individuales.
Boosting
Método de conjunto secuencial donde cada modelo aprende de los errores del anterior, creando un compuesto potente mediante ponderación adaptativa de aprendices débiles.
Métrica de Evaluación
Indicador cuantitativo que mide el rendimiento del modelo según criterios específicos (precisión, recall, puntuación F1, AUC-ROC, MSE, MAE, etc.).
Punto de Codo
Punto de inflexión en una curva de rendimiento donde la mejora marginal se vuelve insignificante, indicando a menudo el valor óptimo de un hiperparámetro.