Glossário IA
O dicionário completo da Inteligência Artificial
Vazamento de Informações (Blending)
Risco específico do blending onde o meta-modelo pode sobreajustar as previsões dos modelos base se o conjunto de hold-out não for suficientemente representativo ou for muito pequeno.
Pesos de Blending
Coeficientes ou parâmetros aprendidos pelo meta-modelo (frequentemente uma regressão linear simples) para ponderar as previsões de cada modelo base na combinação final.
Treinamento em Dois Níveis
Processo sequencial do blending onde os modelos base são treinados primeiro, seguidos pelo treinamento do meta-modelo em suas respectivas previsões.
Validação Cruzada Empilhada
Alternativa ao blending onde as previsões para o meta-modelo são geradas via validação cruzada no conjunto de treinamento, reduzindo o risco de sobreajuste mas aumentando a complexidade.
Diversidade de Modelos
Princípio chave no blending que consiste em usar modelos base com algoritmos diferentes (ex: árvore de decisão, SVM, rede neural) para capturar padrões variados e melhorar o desempenho global.
Previsões Out-of-Fold
Previsões geradas por um modelo nos dados de validação de cada dobra de uma validação cruzada, utilizadas no stacking mas evitadas no blending em favor de um conjunto de hold-out.
Sobreajuste do Meta-modelo
Fenômeno onde o meta-modelo memoriza as previsões dos modelos base no conjunto de hold-out em vez de generalizar sua combinação, frequentemente devido a um conjunto de hold-out muito pequeno ou a um meta-modelo muito complexo.
Blending Linear
Forma simplificada de blending onde o meta-modelo é uma regressão linear, contentando-se em encontrar uma combinação linear ótima das previsões dos modelos base.
Divisão Estratificada para Blending
Técnica de divisão do conjunto de dados em conjuntos de treinamento e hold-out para blending, preservando a distribuição das classes alvo para evitar um viés nas previsões do meta-modelo.
Fusão de Previsões
Ação de combinar as saídas de vários estimadores, que constitui o cerne do blending e de outros métodos de ensemble para produzir uma previsão final mais robusta.
Blending Ponderado
Variante do blending onde os pesos atribuídos às previsões dos modelos base são definidos manualmente ou por uma heurística, em vez de serem aprendidos por um meta-modelo.
Generalização em Blending
Capacidade do modelo de blending final de ter um bom desempenho em novos dados invisíveis, dependendo da robustez dos modelos base e da capacidade do meta-modelo de generalizar sua combinação.