Glosario IA
El diccionario completo de la Inteligencia Artificial
MSE (Error Cuadrático Medio)
Métrica que calcula el promedio de los cuadrados de los errores, penalizando más los errores grandes en comparación con los pequeños en la evaluación del modelo.
RMSE (Raíz del Error Cuadrático Medio)
Raíz cuadrada del MSE, proporcionando una medida de error en la misma unidad que la variable objetivo mientras mantiene la penalización de errores grandes.
R² (Coeficiente de Determinación)
Indicador estadístico que mide la proporción de la varianza de la variable objetivo explicada por el modelo, variando entre 0 y 1 (o negativo para modelos muy pobres).
MAPE (Error Porcentual Absoluto Medio)
Métrica que expresa el error promedio en porcentaje de los valores reales, facilitando la interpretación y comparación entre modelos o conjuntos de datos.
RMSLE (Raíz del Error Cuadrático Medio Logarítmico)
Variante del RMSE aplicada a los logaritmos de los valores, particularmente adecuada para datos con distribución exponencial o para reducir el impacto de valores atípicos.
MedAE (Error Absoluto Mediano)
Mediana de los errores absolutos, ofreciendo una medida robusta frente a valores aberrantes a diferencia del MAE que utiliza la media.
Puntuación de Varianza Explicada
Métrica que evalúa la proporción de varianza de los datos explicada por el modelo, similar al R² pero sin restricción sobre el sesgo de las predicciones.
Error Cuadrático Medio Logarítmico (MSLE)
Métrica que calcula el promedio de los cuadrados de los errores logarítmicos, ideal para predicciones donde los errores relativos son más importantes que los errores absolutos.
Pérdida Cuantil
Función de pérdida asimétrica utilizada para predecir cuantiles específicos de la distribución condicional, penalizando de manera diferente las subestimaciones y sobrestimaciones.
Error Absoluto Medio Escalado (MASE)
Métrica relativa que compara el error absoluto medio del modelo con el de un método de referencia simple, independiente de la escala de los datos.
SMAPE (Error Porcentual Absoluto Medio Simétrico)
Variante simétrica del MAPE que evita los problemas de división por cero y ofrece un mejor equilibrio entre sobrestimación y subestimación.
Error de Sesgo Medio (MBE)
Métrica que mide el sesgo sistemático del modelo calculando la media de los errores no absolutos, indicando si el modelo tiende a sobrestimar o subestimar.
Error Absoluto Relativo (RAE)
Métrica normalizada que compara el error absoluto total del modelo con el de un predictor simple, expresada como una relación sin unidades.
Error Cuadrático Relativo de la Raíz (RRSE)
Raíz cuadrada del error cuadrático relativo, normalizando el RMSE en relación con el error de un modelo de referencia simple.
Coeficiente U de Theil
Métrica de pronóstico comparativo que mide el rendimiento relativo del modelo en comparación con un pronóstico simple, con U=0 indicando una predicción perfecta.
Eficiencia de Nash-Sutcliffe (NSE)
Coeficiente de eficiencia que varía de -∞ a 1, midiendo la capacidad del modelo para predecir los valores observados en comparación con la media de las observaciones.
Precisión Direccional Media (MDA)
Métrica que evalúa la capacidad del modelo para predecir correctamente la dirección de los cambios entre observaciones sucesivas, crucial para aplicaciones financieras.
R² Ajustado
Versión modificada del R² que ajusta la puntuación en función del número de predictores en el modelo, evitando la sobrevaloración artificial al añadir variables.