Glossário IA
O dicionário completo da Inteligência Artificial
Seleção Dinâmica de Conjuntos (DES)
Método de agregação onde o subconjunto de modelos a serem utilizados para a previsão é selecionado dinamicamente para cada nova instância, com base nas suas características específicas e na competência dos modelos na região local do espaço de entrada.
Seleção Estática de Conjuntos (SES)
Abordagem onde um subconjunto fixo de classificadores é escolhido uma única vez no conjunto de validação, e depois utilizado de forma idêntica para todas as instâncias futuras, ao contrário da seleção dinâmica que se adapta instância por instância.
Região Local de Competência
Vizinhança em torno de uma instância de teste, definida por uma métrica de distância, na qual a competência dos modelos de base é avaliada para decidir quais modelos usar para a previsão dessa instância.
K-Nearest Oracle (KNORA)
Família de algoritmos DES que selecionam os modelos com base no seu desempenho nos k vizinhos mais próximos da instância de teste, com variantes como KNORA-E (eliminação) e KNORA-U (união).
Comportamento de Múltiplos Classificadores (MCB)
Técnica que analisa o comportamento dos classificadores em instâncias rotuladas para identificar regiões onde certos modelos são mais confiáveis, guiando assim a seleção dinâmica.
Seleção Dinâmica vs. Ponderação Dinâmica
Distinção onde a seleção dinâmica escolhe um subconjunto de modelos, enquanto a ponderação dinâmica atribui pesos a todos os modelos para a previsão final, ambos adaptando-se instância por instância.
DES Homogêneo vs. Heterogêneo
Diferenciação onde os DES homogêneos utilizam modelos de base do mesmo tipo (ex: todas árvores de decisão), enquanto os heterogêneos combinam diferentes tipos de algoritmos para uma diversidade aumentada.
Estimativa da Região de Competência
Processo de determinação da vizinhança relevante para uma instância de teste, crucial para avaliar a competência local dos modelos, frequentemente baseado em métricas como a distância euclidiana ou a similaridade de cosseno.
DES com Pré-Processamento
Abordagem onde técnicas de pré-processamento, como redução de dimensionalidade ou sobreamostragem, são aplicadas para melhorar a definição das regiões de competência antes da seleção dinâmica de modelos.
DES Online
Variante da seleção dinâmica de conjuntos projetada para fluxos de dados, onde a competência dos modelos e a seleção são atualizadas continuamente à medida que novas instâncias chegam.
Algoritmo DespeRt
Algoritmo DES que avalia a competência dos classificadores com base na distribuição dos níveis de confiança das previsões nos k vizinhos mais próximos, favorecendo modelos que são simultaneamente competentes e diversificados.
DES A Priori vs. A Posteriori
Distinção onde os métodos a priori selecionam os modelos antes de ver suas previsões para a instância de teste, enquanto os métodos a posteriori selecionam após observar essas previsões.
Seleção Dinâmica de Conjuntos para Dados Desequilibrados
Adaptação dos métodos DES para gerenciar conjuntos de dados desequilibrados, onde a seleção de modelos pode ser enviesada para melhorar a detecção da classe minoritária.
Seleção Dinâmica Baseada em Competência
Paradigma central em DES onde a decisão de selecionar um modelo se baseia unicamente em uma estimativa de sua competência local para a instância considerada, em vez de seu desempenho global.