Glosario IA
El diccionario completo de la Inteligencia Artificial
Área bajo la curva ROC (AUC)
Métrica única que cuantifica el rendimiento global de un clasificador binario, representando la probabilidad de que un ejemplo positivo sea clasificado mejor que un ejemplo negativo.
Error de tipo I
Falso positivo que ocurre cuando un modelo rechaza incorrectamente una hipótesis nula verdadera, llevando a falsas alarmas en las predicciones.
Error de tipo II
Falso negativo resultante del fallo de un modelo al no rechazar una hipótesis nula falsa, causando fallos importantes en la detección.
Análisis de error por clase
Examen detallado de los errores de clasificación específicos para cada clase objetivo, con el fin de identificar categorías problemáticas y guiar mejoras focalizadas.
Gráfico cuantil-cuantil (Q-Q)
Herramienta gráfica que compara la distribución de los residuos con una distribución teórica, permitiendo detectar desviaciones respecto a las hipótesis de normalidad.
Análisis de calibración
Evaluación de la correspondencia entre las probabilidades predichas por un modelo y las frecuencias observadas en los datos, crucial para las predicciones probabilísticas.
Prueba de Durbin-Watson
Prueba estadística que detecta la autocorrelación de los residuos en series temporales, esencial para validar la independencia de los errores.
Bootstrap para la evaluación de error
Método de remuestreo que genera múltiples muestras para estimar la distribución de los errores y calcular intervalos de confianza robustos.
Análisis de error local (LIME)
Técnica de interpretabilidad que explica predicciones individuales creando modelos locales simplificados alrededor de cada punto de datos.