Glossário IA
O dicionário completo da Inteligência Artificial
Média de Modelos Bayesianos (BMA)
Abordagem estatística que combina as previsões de vários modelos, ponderando-os de acordo com suas probabilidades posteriores, permitindo considerar a incerteza do modelo nas previsões finais.
Probabilidade Posterior do Modelo
Probabilidade de que um modelo seja o verdadeiro modelo gerador dos dados após a observação dos dados, calculada através do teorema de Bayes, combinando a verossimilhança e a probabilidade a priori do modelo.
Evidência do Modelo
Verossimilhança marginal dos dados sob um modelo específico, obtida integrando sobre todos os parâmetros do modelo, utilizada para comparar diferentes modelos em um contexto bayesiano.
Janela de Occam
Técnica de seleção de modelos no BMA que exclui modelos excessivamente complexos em relação aos dados observados, mantendo apenas os modelos dentro de uma janela de complexidade razoável.
Seleção Bayesiana de Modelos
Processo de escolha entre modelos concorrentes baseado em suas probabilidades posteriores, integrando automaticamente a penalidade pela complexidade do modelo através do princípio de Occam.
Probabilidade A Priori do Modelo
Probabilidade atribuída a um modelo antes de observar os dados, refletindo as crenças a priori sobre a verossimilhança relativa dos diferentes modelos candidatos.
Distribuição Preditiva
Distribuição de probabilidade de futuras observações, integrando a incerteza dos parâmetros e dos modelos, obtida pela média ponderada das distribuições preditivas de cada modelo.
Ensemble Bayesiano
Método de agregação de modelos que utiliza os princípios bayesianos para combinar as previsões de vários modelos em uma única previsão final ponderada por sua credibilidade.
Previsão por Média Ponderada
Previsão final obtida pela média das previsões individuais dos modelos, ponderadas pelas suas probabilidades posteriores no contexto do BMA.
Critério de Informação Bayesiano (BIC)
Critério de seleção de modelo que aproxima a probabilidade posterior do modelo, penalizando a complexidade do modelo para evitar o sobreajuste em abordagens bayesianas.
Processo de Dirichlet
Processo estocástico utilizado em modelos bayesianos não paramétricos, permitindo um número infinito de componentes em misturas e facilitando a média de modelos.
Modelo Bayesiano Hierárquico
Estrutura de modelo onde os próprios parâmetros têm distribuições a priori com os seus próprios hiperparâmetros, permitindo partilhar informação entre modelos semelhantes no BMA.
Composição de Modelos por Cadeia de Markov Monte Carlo (MC3)
Algoritmo de amostragem que explora o espaço dos modelos para estimar as probabilidades posteriores dos modelos em problemas de seleção e média de modelos.
MCMC de Salto Reversível
Extensão do algoritmo MCMC que permite mover-se entre espaços de parâmetros de dimensões diferentes, essencial para a inferência bayesiana em modelos de complexidade variável.
Fator de Bayes
Razão das evidências de dois modelos concorrentes, quantificando o suporte fornecido pelos dados a favor de um modelo em relação a outro no contexto bayesiano.
Posterior Preditiva
Distribuição preditiva de observações futuras que integra a incerteza dos parâmetros e dos modelos, pedra angular do BMA para fazer previsões robustas.
Espaço de Modelos
Conjunto de todos os modelos candidatos considerados na análise BMA, podendo ser finito ou infinito dependendo do contexto e das restrições do problema.
Prior Spike-and-Slab
Distribuição a priori de mistura para os coeficientes de regressão, combinando uma massa pontual em zero (spike) e uma distribuição contínua (slab), facilitando a seleção de variáveis no BMA.
Combinação Bayesiana de Modelos
Extensão do BMA onde os pesos de combinação dos modelos são eles próprios tratados como parâmetros aleatórios com distribuições a priori, permitindo uma inferência mais flexível sobre a agregação.