Glossário IA
O dicionário completo da Inteligência Artificial
Regressor de Agregação Bootstrap
Método de ensemble que aplica o princípio do bagging a modelos de regressão, treinando múltiplos regressores em amostras bootstrap e agregando suas previsões por média ou mediana para reduzir a variância.
Erro Out-of-Bag (OOB)
Métrica de avaliação do bagging calculada sobre as amostras que não foram incluídas na amostra bootstrap de um dado modelo, fornecendo uma estimativa não enviesada do erro de generalização sem a necessidade de validação cruzada.
Agregação por Média
Técnica de combinação de previsões em um regressor de bagging onde a previsão final é a média aritmética das previsões individuais de todos os modelos do conjunto.
Agregação por Mediana
Alternativa robusta à agregação por média onde a previsão final é a mediana das previsões individuais, menos sensível a valores atípicos e previsões extremas dos modelos.
Regressor Base
Algoritmo de regressão individual (como a árvore de decisão ou os k-vizinhos mais próximos) utilizado como modelo fraco na arquitetura do bagging, treinado em diferentes amostras bootstrap.
Estabilidade do Bagging
Propriedade do regressor de bagging de produzir previsões mais estáveis e menos variáveis diante de mudanças nos dados de treinamento, graças à redução da variância por agregação.
Regressor de Subespaço Aleatório
Variante do bagging onde cada regressor base é treinado em um subconjunto aleatório das características (features) além das amostras bootstrap, aumentando a diversidade dos modelos.
Regressor de Pasting
Variante do bagging onde as amostras para treinar cada modelo são retiradas sem reposição, utilizada quando o conjunto de dados é muito grande para o bootstrap com reposição.
Erro Quadrático Médio Agregado
Métrica de avaliação específica para regressores de bagging que calcula a média dos erros quadráticos entre as previsões agregadas e os valores reais no conjunto de teste.
Bagging com Árvores de Decisão
Aplicação mais comum do regressor de bagging, utilizando árvores de decisão como modelos base, conhecida por reduzir significativamente a variância enquanto mantém um viés baixo.
Intervalos de Previsão por Bagging
Técnica que utiliza a distribuição das previsões individuais dos modelos de bagging para construir intervalos de confiança quantitativos em torno da previsão final agregada.