Machine Learning
Algoritmos, entrenamiento y evaluación de modelos.
161 términos
AdaBoost
Algoritmo de boosting que combina muchos modelos simples y débiles, dando más peso en cada ronda a los ejemplos que los modelos anteriores clasificaron incorrectamente.
Leer másMachine LearningAjuste de umbral de clasificación
Proceso de elegir el punto de corte de probabilidad a partir del cual un clasificador asigna una observación a la clase positiva, en lugar de usar el umbral por defecto de 0.5.
Leer másMachine LearningÁlgebra lineal para machine learning
Rama de la matemática que estudia vectores, matrices y sus transformaciones, y que constituye el lenguaje matemático fundamental detrás de la mayoría de los algoritmos de machine learning.
Leer másMachine LearningAlgoritmo de Viterbi
Algoritmo eficiente que encuentra la secuencia de estados ocultos más probable en un modelo de Markov oculto, dado un conjunto de observaciones.
Leer másMachine LearningAlgoritmo EM (Expectation-Maximization)
Algoritmo iterativo que estima los parámetros de un modelo probabilístico cuando parte de la información relevante (como a qué grupo pertenece cada observación) no se observa directamente.
Leer másMachine LearningAnálisis de cohortes
Técnica de análisis que agrupa a un conjunto de usuarios o clientes según una característica compartida, como su fecha de registro, y sigue su comportamiento a lo largo del tiempo.
Leer másMachine LearningAnálisis de componentes principales (PCA)
Técnica de reducción de dimensionalidad que encuentra nuevas variables, combinaciones de las originales, que capturan la mayor cantidad posible de la variabilidad de los datos.
Leer másMachine LearningAnálisis discriminante lineal (LDA)
Técnica clásica de clasificación y reducción de dimensionalidad que encuentra la combinación de variables que mejor separa distintas categorías conocidas.
Leer másMachine LearningAnotación de datos (Data labeling)
Proceso de asignar etiquetas correctas a un conjunto de datos crudos, para que puedan usarse en el entrenamiento de un modelo de aprendizaje supervisado.
Leer másMachine LearningAprendizaje de representaciones
Enfoque de machine learning centrado en aprender automáticamente formas útiles de representar los datos, en lugar de depender de características diseñadas manualmente.
Leer másMachine LearningAprendizaje débilmente supervisado
Enfoque de entrenamiento que utiliza etiquetas imperfectas, incompletas o indirectas, en lugar de etiquetas precisas y completamente verificadas para cada ejemplo.
Leer másMachine LearningAprendizaje incremental (Online learning)
Enfoque de entrenamiento en el que un modelo se actualiza continuamente a medida que llegan nuevos datos, en lugar de reentrenarse desde cero sobre todo el conjunto de datos acumulado.
Leer másMachine LearningAprendizaje no supervisado
Enfoque de machine learning que busca patrones y estructuras ocultas en datos que no tienen etiquetas ni respuestas predefinidas.
Leer másMachine LearningAprendizaje ordinal (Ordinal regression)
Tipo de problema de clasificación donde las categorías tienen un orden natural entre sí, como niveles de satisfacción, y el modelo debe tenerlo en cuenta.
Leer másMachine LearningAprendizaje semi-supervisado
Enfoque de machine learning que combina una pequeña cantidad de datos etiquetados con una cantidad mucho mayor de datos sin etiquetar, para mejorar el aprendizaje.
Leer másMachine LearningAprendizaje supervisado
Enfoque de machine learning en el que un modelo aprende a partir de ejemplos ya etiquetados con la respuesta correcta.
Leer másMachine LearningÁrbol de decisión
Modelo predictivo que divide los datos en ramas sucesivas basadas en preguntas sobre sus variables, hasta llegar a una predicción final.
Leer másMachine LearningÁrea bajo la curva (AUC)
Métrica que resume en un solo número el desempeño global de un clasificador a lo largo de todos los posibles umbrales de decisión, a partir de la curva ROC.
Leer másMachine LearningAutoML
Conjunto de técnicas y herramientas que automatizan gran parte del proceso de construir un modelo de machine learning, incluyendo selección de algoritmos y ajuste de hiperparámetros.
Leer másMachine LearningBacktesting de modelos
Proceso de evaluar cómo se habría desempeñado un modelo de pronóstico o de decisión, aplicándolo retroactivamente sobre datos históricos ya conocidos.
Leer másMachine LearningBagging
Técnica de ensamble que entrena múltiples modelos de forma independiente sobre distintas muestras aleatorias de los datos, y promedia sus predicciones para reducir la varianza.
Leer másMachine LearningBandit multi-armado (Multi-armed bandit)
Marco de decisión que balancea explorar opciones desconocidas con explotar la opción que hasta el momento parece mejor, minimizando el costo total de esa exploración.
Leer másMachine LearningBolsa de palabras (Bag of words)
Técnica clásica de representación de texto que cuenta la frecuencia de cada palabra en un documento, ignorando por completo el orden en que aparecen.
Leer másMachine LearningBoosting
Técnica de ensamble que entrena modelos de forma secuencial, donde cada nuevo modelo se enfoca en corregir los errores cometidos por los modelos anteriores.
Leer másMachine LearningBúsqueda aleatoria de hiperparámetros
Técnica de ajuste de hiperparámetros que prueba combinaciones elegidas al azar dentro de los rangos posibles, en lugar de evaluarlas todas exhaustivamente.
Leer másMachine LearningBúsqueda en grilla (Grid search)
Técnica de ajuste de hiperparámetros que prueba de forma exhaustiva todas las combinaciones posibles dentro de un conjunto predefinido de valores.
Leer másMachine LearningBúsqueda en haz (Beam search)
Algoritmo de búsqueda que, al generar una secuencia paso a paso, mantiene simultáneamente varias de las opciones más prometedoras en lugar de comprometerse con una sola desde el principio.
Leer másMachine LearningCadena de Markov oculta (HMM)
Modelo probabilístico donde el sistema pasa por una secuencia de estados que no se observan directamente, pero que generan observaciones visibles que sí permiten inferirlos.
Leer másMachine LearningCálculo diferencial para machine learning
Rama de la matemática que estudia cómo cambian las funciones, proporcionando las herramientas necesarias para calcular gradientes y optimizar modelos.
Leer másMachine LearningCalibración de probabilidades
Grado en que las probabilidades que predice un modelo reflejan fielmente la frecuencia real con la que ocurre el evento predicho.
Leer másMachine LearningCatBoost
Implementación de Gradient Boosting diseñada para manejar de forma nativa y eficiente variables categóricas, sin necesitar codificarlas manualmente de antemano.
Leer másMachine LearningClasificación binaria
Problema de clasificación en el que cada observación debe asignarse a una de solo dos categorías posibles.
Leer másMachine LearningClasificación de texto
Tarea de machine learning que asigna automáticamente una o más categorías a un documento de texto, como clasificar correos entre spam y no spam.
Leer másMachine LearningClasificación multi-etiqueta
Problema de clasificación en el que cada observación puede pertenecer simultáneamente a varias categorías al mismo tiempo, en lugar de a una sola.
Leer másMachine LearningClasificación multiclase
Problema de clasificación en el que cada observación debe asignarse a una entre tres o más categorías posibles, mutuamente excluyentes.
Leer másMachine LearningClustering jerárquico
Técnica de agrupamiento que construye una jerarquía de grupos anidados, permitiendo explorar agrupaciones a distintos niveles de granularidad.
Leer másMachine LearningCodificación de etiquetas (Label encoding)
Técnica que asigna un número entero distinto a cada categoría de una variable categórica.
Leer másMachine LearningCodificación one-hot
Técnica que convierte una variable categórica en varias columnas binarias, una por cada categoría posible, para que los algoritmos numéricos puedan procesarla.
Leer másMachine LearningCoeficiente de determinación (R²)
Métrica que indica qué proporción de la variabilidad de la variable dependiente es explicada por un modelo de regresión.
Leer másMachine LearningComplejidad computacional (Notación Big O)
Forma de describir cómo crece el tiempo o la memoria que requiere un algoritmo, a medida que aumenta el tamaño de los datos que procesa.
Leer másMachine LearningCompromiso sesgo-varianza (Bias-variance tradeoff)
Principio fundamental del aprendizaje automático que describe la tensión entre construir modelos demasiado simples (sesgo alto) o demasiado complejos (varianza alta).
Leer másMachine LearningConsenso entre anotadores (Inter-annotator agreement)
Medida que evalúa qué tan de acuerdo están distintas personas al asignar etiquetas a los mismos datos, usada para verificar la confiabilidad de un proceso de anotación.
Leer másMachine LearningConvergencia de un modelo
Punto durante el entrenamiento en el que los parámetros de un modelo dejan de cambiar significativamente, indicando que el proceso de optimización alcanzó una solución estable.
Leer másMachine LearningCurva de aprendizaje
Gráfico que muestra cómo cambia el desempeño de un modelo a medida que aumenta la cantidad de datos de entrenamiento disponibles, útil para diagnosticar overfitting y underfitting.
Leer másMachine LearningCurva de precisión-recall
Gráfico que muestra cómo varían conjuntamente la precisión y el recall de un clasificador a medida que se ajusta su umbral de decisión.
Leer másMachine LearningCurva ROC
Gráfico que muestra el desempeño de un modelo de clasificación en distintos umbrales de decisión, comparando la tasa de verdaderos positivos contra la de falsos positivos.
Leer másMachine LearningData drift
Cambio en la distribución estadística de los datos que recibe un modelo en producción, respecto a los datos con los que fue entrenado originalmente.
Leer másMachine LearningDBSCAN
Algoritmo de clustering que agrupa puntos densamente conectados entre sí, identificando automáticamente tanto la cantidad de grupos como los valores atípicos que no pertenecen a ninguno.
Leer másMachine LearningDesbalance de clases
Situación en la que una o más categorías de un problema de clasificación están representadas por muchas menos observaciones que las demás.
Leer másMachine LearningDescenso de gradiente
Algoritmo de optimización que ajusta gradualmente los parámetros de un modelo en la dirección que más reduce el error, hasta encontrar un mínimo.
Leer másMachine LearningDescenso de gradiente estocástico (SGD)
Variante del descenso de gradiente que actualiza los parámetros del modelo usando solo un ejemplo o un pequeño grupo de ejemplos en cada paso, en lugar de todo el conjunto de datos.
Leer másMachine LearningDescenso de gradiente por mini-lotes
Variante del descenso de gradiente que actualiza los parámetros del modelo usando pequeños grupos de ejemplos en cada paso, en lugar de uno solo o el conjunto de datos completo.
Leer másMachine LearningDescomposición de series de tiempo
Técnica que separa una serie temporal en sus componentes subyacentes: tendencia de largo plazo, patrones estacionales recurrentes, y variación residual.
Leer másMachine LearningDetección de fraude con machine learning
Aplicación de modelos de machine learning para identificar transacciones o comportamientos que probablemente sean fraudulentos, a partir de patrones aprendidos de casos anteriores.
Leer másMachine LearningDimensión VC (Vapnik-Chervonenkis)
Medida teórica de la capacidad de un modelo, que indica la complejidad máxima de los patrones que puede llegar a aprender o memorizar.
Leer másMachine LearningDistancia coseno (Similitud coseno)
Medida que evalúa qué tan similares son dos vectores según el ángulo entre ellos, sin importar su magnitud, muy utilizada para comparar embeddings.
Leer másMachine LearningDistancia de Manhattan
Medida de distancia entre dos puntos calculada como la suma de las diferencias absolutas de cada una de sus coordenadas, en lugar de la línea recta directa entre ellos.
Leer másMachine LearningDistancia euclidiana
Medida de distancia entre dos puntos, calculada como la longitud de la línea recta que los conecta, siendo la noción de distancia más intuitiva y comúnmente usada en machine learning.
Leer másMachine LearningDropout
Técnica de regularización para redes neuronales que desactiva aleatoriamente una fracción de las neuronas durante cada paso del entrenamiento.
Leer másMachine LearningEarly stopping
Técnica que detiene el entrenamiento de un modelo en el momento en que su desempeño sobre un conjunto de validación deja de mejorar, evitando el overfitting.
Leer másMachine LearningElastic Net
Técnica de regularización que combina las penalizaciones L1 y L2, aprovechando las ventajas de ambas.
Leer másMachine LearningEliminación de stopwords
Técnica de preprocesamiento de texto que remueve palabras muy frecuentes y con poco valor informativo propio, como artículos y preposiciones, antes de analizar un texto.
Leer másMachine LearningEnsamble de modelos
Estrategia general que combina las predicciones de varios modelos distintos para obtener un resultado final más preciso y robusto que el de cualquier modelo individual.
Leer másMachine LearningEnsamble por votación (Voting)
Técnica de ensamble que combina las predicciones de varios modelos distintos, eligiendo la categoría más votada entre todos ellos como resultado final.
Leer másMachine LearningEntropía cruzada (Cross-entropy)
Función de pérdida ampliamente usada en problemas de clasificación, que mide qué tan distintas son las probabilidades predichas por un modelo de las probabilidades reales.
Leer másMachine LearningÉpocas de entrenamiento
Cada pasada completa a través de todo el conjunto de datos de entrenamiento durante el proceso de ajuste de un modelo.
Leer másMachine LearningError absoluto medio (MAE)
Métrica de evaluación para modelos de regresión que calcula el promedio de las diferencias absolutas entre las predicciones y los valores reales.
Leer másMachine LearningError cuadrático medio (RMSE)
Métrica de evaluación para modelos de regresión que mide, en las mismas unidades que la variable original, qué tan lejos están en promedio las predicciones de los valores reales.
Leer másMachine LearningError out-of-bag
Estimación del error de un modelo de bagging (como Random Forest), calculada usando en cada árbol únicamente las observaciones que no formaron parte de su muestra de entrenamiento.
Leer másMachine LearningEspacio vectorial
Estructura matemática formada por un conjunto de vectores que pueden sumarse entre sí y multiplicarse por números, siendo el marco formal en el que se representan los datos en machine learning.
Leer másMachine LearningEstacionalidad
Patrón que se repite con una frecuencia regular y predecible dentro de una serie de tiempo, como un aumento recurrente de ventas en una misma época del año.
Leer másMachine LearningEstandarización de datos
Técnica de preprocesamiento que transforma los datos para que tengan media cero y desviación estándar uno, facilitando el trabajo de muchos algoritmos de machine learning.
Leer másMachine LearningF1-score
Métrica que combina precisión y recall en un único número, mediante su media armónica, útil cuando ambas métricas importan y hay que resumirlas en una sola.
Leer másMachine LearningFactorización de matrices
Técnica que descompone una matriz grande y con datos faltantes (como las calificaciones de usuarios a productos) en matrices más pequeñas que capturan patrones subyacentes, útil en sistemas de recomendación.
Leer másMachine LearningFeature engineering
Proceso de crear, transformar o seleccionar las variables (features) que se le entregan a un modelo, para mejorar su capacidad de aprender patrones útiles.
Leer másMachine LearningFuga de datos (Data leakage)
Error metodológico en el que información del conjunto de prueba, o del futuro, se filtra accidentalmente hacia el proceso de entrenamiento de un modelo, inflando artificialmente su desempeño aparente.
Leer másMachine LearningFunción de pérdida
Función matemática que mide qué tan lejos están las predicciones de un modelo respecto a los valores reales, y que el entrenamiento busca minimizar.
Leer másMachine LearningGradient Boosting
Técnica de ensamble que construye modelos de forma secuencial, donde cada nuevo modelo corrige los errores del conjunto anterior.
Leer másMachine LearningHiperparámetro
Configuración de un modelo que se define antes del entrenamiento y no se aprende a partir de los datos, como la cantidad de árboles o la tasa de aprendizaje.
Leer másMachine LearningImportancia de características
Medida que indica cuánto contribuye cada variable de entrada a las predicciones de un modelo, ayudando a entender e interpretar su comportamiento.
Leer másMachine LearningInicialización de pesos
Elección de los valores iniciales de los parámetros de una red neuronal antes de comenzar el entrenamiento, con un impacto significativo en qué tan bien y rápido converge.
Leer másMachine LearningJupyter Notebook
Entorno interactivo que combina código ejecutable, texto explicativo y visualizaciones en un mismo documento, ampliamente usado en ciencia de datos.
Leer másMachine LearningK-Means
Algoritmo de clustering que agrupa observaciones en un número determinado de grupos (K), según su cercanía a un centro calculado para cada grupo.
Leer másMachine LearningK-vecinos más cercanos (KNN)
Algoritmo que clasifica o predice el valor de una observación nueva basándose en los valores de sus K observaciones más similares del conjunto de entrenamiento.
Leer másMachine LearningKeras
Interfaz de alto nivel para construir redes neuronales de forma simple y legible, ejecutándose sobre frameworks como TensorFlow.
Leer másMachine LearningLematización
Técnica de preprocesamiento de texto que reduce cada palabra a su forma base o de diccionario (lema), considerando su contexto gramatical.
Leer másMachine LearningLightGBM
Implementación de Gradient Boosting desarrollada por Microsoft, optimizada para entrenar de forma muy rápida sobre conjuntos de datos grandes.
Leer másMachine LearningLIME
Técnica de interpretabilidad que explica una predicción individual de un modelo complejo, aproximándola localmente con un modelo mucho más simple e interpretable.
Leer másMachine LearningLog-loss (pérdida logarítmica)
Métrica de evaluación para clasificadores probabilísticos que penaliza fuertemente las predicciones de alta confianza que resultan incorrectas.
Leer másMachine LearningMantenimiento predictivo
Aplicación de machine learning que predice cuándo es probable que una máquina o equipo falle, permitiendo programar su mantenimiento antes de que ocurra una avería.
Leer másMachine LearningMáquinas de vectores de soporte (SVM)
Algoritmo de clasificación que busca la frontera de separación que mantenga el mayor margen posible entre las distintas categorías de datos.
Leer másMachine LearningMatriz de confusión
Tabla que resume el desempeño de un modelo de clasificación, mostrando cuántas predicciones fueron correctas e incorrectas para cada clase.
Leer másMachine LearningMLOps
Conjunto de prácticas que aplican principios de ingeniería de software al ciclo de vida completo de los modelos de machine learning: entrenamiento, despliegue, monitoreo y actualización.
Leer másMachine LearningModel drift (deriva del modelo)
Fenómeno en el que el desempeño de un modelo en producción se degrada progresivamente con el tiempo, porque las condiciones del mundo real cambiaron respecto a cuando fue entrenado.
Leer másMachine LearningModel registry
Repositorio centralizado que almacena, versiona y documenta los distintos modelos entrenados de una organización, junto con su historial y metadatos relevantes.
Leer másMachine LearningModel serving
Infraestructura y procesos que exponen un modelo de machine learning ya entrenado, para que otras aplicaciones puedan consultarlo y obtener predicciones en tiempo real.
Leer másMachine LearningModelo base (Baseline)
Modelo simple, usado como punto de referencia mínimo, contra el cual se compara el desempeño de modelos más sofisticados para verificar que realmente aportan una mejora.
Leer másMachine LearningModelo de Markov
Modelo probabilístico que describe un sistema que cambia de estado a lo largo del tiempo, asumiendo que el próximo estado depende únicamente del estado actual, sin importar la historia previa.
Leer másMachine LearningModelo de mezcla gaussiana (GMM)
Modelo probabilístico que asume que los datos provienen de una combinación de varias distribuciones normales distintas, usado frecuentemente para clustering.
Leer másMachine LearningModelos de caja negra vs. caja blanca
Distinción entre modelos cuyo funcionamiento interno es fácilmente interpretable por una persona (caja blanca) y modelos demasiado complejos para explicarse de forma directa (caja negra).
Leer másMachine LearningModelos paramétricos vs. no paramétricos
Distinción entre modelos que asumen una forma matemática fija con un número determinado de parámetros, y modelos cuya complejidad puede crecer con la cantidad de datos disponibles.
Leer másMachine LearningMomentum (optimización)
Técnica que acelera el descenso de gradiente incorporando parte de la dirección de los pasos anteriores, ayudando a atravesar zonas planas y evitar oscilaciones.
Leer másMachine LearningMultiplicación de matrices
Operación matemática fundamental que combina dos matrices para producir una tercera, siendo la base computacional de prácticamente todo el entrenamiento de redes neuronales.
Leer másMachine LearningN-grama
Secuencia de N elementos consecutivos (generalmente palabras o caracteres) extraída de un texto, usada para capturar algo de contexto local en representaciones simples de lenguaje.
Leer másMachine LearningNaive Bayes
Algoritmo de clasificación basado en el teorema de Bayes, que asume —de forma simplificada— que todas las variables de entrada son independientes entre sí.
Leer másMachine LearningNorma de un vector
Medida que cuantifica la magnitud o longitud de un vector, usada frecuentemente en machine learning para medir distancias y en técnicas de regularización.
Leer másMachine LearningNormalización Min-Max
Técnica de preprocesamiento que reescala los datos para que queden dentro de un rango fijo, típicamente entre 0 y 1.
Leer másMachine LearningNormalización por lotes (Batch normalization)
Técnica que estandariza las activaciones internas de una red neuronal durante el entrenamiento, acelerando y estabilizando el proceso.
Leer másMachine LearningNumPy
Biblioteca de Python fundamental para el cómputo numérico, que ofrece estructuras de arreglos multidimensionales y operaciones matemáticas altamente optimizadas.
Leer másMachine LearningOptimización bayesiana de hiperparámetros
Técnica de ajuste de hiperparámetros que usa los resultados de evaluaciones anteriores para decidir de forma más inteligente qué combinación probar a continuación.
Leer másMachine LearningOptimización convexa
Rama de la optimización matemática que estudia problemas donde la función a minimizar tiene una única solución óptima global, sin mínimos locales que puedan confundir al algoritmo.
Leer másMachine LearningOptimizador Adam
Algoritmo de optimización muy utilizado en deep learning que ajusta automáticamente la tasa de aprendizaje de cada parámetro individual durante el entrenamiento.
Leer másMachine LearningOverfitting
Cuando un modelo aprende el ruido de los datos de entrenamiento en vez del patrón general, y falla al generalizar sobre datos nuevos.
Leer másMachine LearningPandas
Biblioteca de Python especializada en la manipulación y análisis de datos tabulares, con una estructura central llamada DataFrame.
Leer másMachine LearningPerceptrón multicapa (MLP)
Arquitectura de red neuronal formada por varias capas de neuronas totalmente conectadas entre sí, siendo una de las arquitecturas más básicas de deep learning.
Leer másMachine LearningPipeline de machine learning
Secuencia estructurada de pasos —preprocesamiento, entrenamiento, evaluación— que transforma datos crudos en las predicciones de un modelo, de forma reproducible y automatizada.
Leer másMachine LearningPoda de árboles (Pruning)
Técnica que reduce el tamaño de un árbol de decisión eliminando ramas que aportan poco valor predictivo, para evitar que memorice detalles específicos de los datos de entrenamiento.
Leer másMachine LearningPrecisión y recall
Par de métricas complementarias que evalúan la calidad de un modelo de clasificación: qué tan confiables son sus predicciones positivas y qué proporción de los casos reales logra detectar.
Leer másMachine LearningProblema del gradiente explosivo
Dificultad de entrenamiento en la que el gradiente crece de forma descontrolada durante la retropropagación, provocando actualizaciones de los pesos extremadamente grandes e inestables.
Leer másMachine LearningProblema del gradiente que se desvanece
Dificultad de entrenamiento en redes neuronales profundas, donde el gradiente se vuelve extremadamente pequeño al propagarse hacia las primeras capas, impidiendo que aprendan de forma efectiva.
Leer másMachine LearningProceso de decisión de Markov (MDP)
Marco matemático que formaliza problemas de toma de decisiones secuenciales, donde cada acción afecta tanto una recompensa inmediata como el estado futuro del sistema.
Leer másMachine LearningProceso gaussiano
Técnica probabilística que modela una función desconocida completa, en lugar de un único valor, permitiendo estimar tanto una predicción como su incertidumbre asociada.
Leer másMachine LearningProducto punto (Dot product)
Operación matemática entre dos vectores que combina sus componentes en un único número, usada constantemente para calcular similitudes y combinaciones en machine learning.
Leer másMachine LearningProgramación de la tasa de aprendizaje
Estrategia que ajusta la tasa de aprendizaje de un modelo a lo largo del entrenamiento, en lugar de mantenerla fija de principio a fin.
Leer másMachine LearningPronóstico de series de tiempo
Tarea de predecir valores futuros de una variable a partir de su comportamiento histórico observado a lo largo del tiempo.
Leer másMachine LearningPropensity score matching
Técnica estadística que busca estimar el efecto causal de una intervención, emparejando observaciones similares que sí y que no recibieron esa intervención.
Leer másMachine LearningPyTorch
Framework de código abierto para deep learning, desarrollado originalmente por Meta, muy popular en investigación por su flexibilidad y facilidad de depuración.
Leer másMachine LearningRandom Forest
Algoritmo de machine learning que combina las predicciones de muchos árboles de decisión entrenados de forma ligeramente distinta, para mejorar la precisión y reducir el overfitting.
Leer másMachine LearningRed de base radial (RBF Network)
Tipo de red neuronal que usa funciones de activación basadas en la distancia a ciertos puntos de referencia, útil especialmente para problemas de aproximación de funciones e interpolación.
Leer másMachine LearningReducción de dimensionalidad
Conjunto de técnicas que transforman datos con muchas variables en una representación con menos dimensiones, conservando la mayor parte de la información relevante posible.
Leer másMachine LearningReentrenamiento de modelos
Proceso de actualizar un modelo de machine learning ya en producción, usando datos más recientes, para que refleje mejor las condiciones actuales.
Leer másMachine LearningRegresión cuantílica (Quantile regression)
Técnica de regresión que, en lugar de predecir el valor promedio esperado, predice un percentil específico de la distribución de la variable objetivo.
Leer másMachine LearningRegresión logística
Algoritmo de clasificación que estima la probabilidad de que una observación pertenezca a una categoría, a partir de una combinación lineal de sus variables.
Leer másMachine LearningRegularización L1 (Lasso)
Técnica de regularización que penaliza la suma de los valores absolutos de los coeficientes de un modelo, favoreciendo que muchos de ellos se reduzcan exactamente a cero.
Leer másMachine LearningRegularización L2 (Ridge)
Técnica de regularización que penaliza la suma de los cuadrados de los coeficientes de un modelo, reduciendo su magnitud sin llevarlos necesariamente a cero.
Leer másMachine LearningRuido de etiquetas (Label noise)
Presencia de etiquetas incorrectas o inconsistentes dentro de un conjunto de datos de entrenamiento, generalmente producto de errores humanos o de procesos de anotación imperfectos.
Leer másMachine LearningScikit-learn
Biblioteca de Python de código abierto que ofrece implementaciones listas para usar de la mayoría de los algoritmos clásicos de machine learning.
Leer másMachine LearningSelección de características
Proceso de elegir el subconjunto de variables más relevantes para entrenar un modelo, descartando las que aportan poca información o son redundantes.
Leer másMachine LearningSelección de modelos
Proceso de comparar y elegir, entre distintos algoritmos y configuraciones posibles, cuál ofrece el mejor desempeño para un problema específico.
Leer másMachine LearningSHAP (valores de Shapley)
Técnica de interpretabilidad que asigna a cada variable de una predicción individual una contribución numérica, basada en conceptos de teoría de juegos.
Leer másMachine LearningSMOTE
Técnica que genera ejemplos sintéticos de la clase minoritaria en un problema de clasificación desbalanceado, para equilibrar la representación de cada categoría durante el entrenamiento.
Leer másMachine LearningSobremuestreo (Oversampling)
Técnica que aumenta la cantidad de ejemplos de la clase minoritaria en un problema desbalanceado, duplicándolos o generando ejemplos sintéticos.
Leer másMachine LearningStacking
Técnica de ensamble que combina las predicciones de varios modelos distintos, usando otro modelo adicional que aprende la mejor forma de combinarlas.
Leer másMachine LearningStemming
Técnica de preprocesamiento de texto que reduce las palabras a su raíz aproximada, eliminando sufijos y prefijos, para tratar variantes de una misma palabra como equivalentes.
Leer másMachine LearningSuavizado exponencial
Técnica de pronóstico de series de tiempo que calcula un promedio ponderado de observaciones pasadas, dando más peso a las más recientes.
Leer másMachine LearningSubmuestreo (Undersampling)
Técnica que reduce la cantidad de ejemplos de la clase mayoritaria en un problema desbalanceado, para equilibrar su proporción frente a la clase minoritaria.
Leer másMachine Learningt-SNE
Técnica de reducción de dimensionalidad especialmente diseñada para visualizar datos de alta dimensión en dos o tres dimensiones, preservando la estructura de grupos cercanos.
Leer másMachine LearningTasa de aprendizaje (Learning rate)
Hiperparámetro que controla qué tan grandes son los ajustes que se realizan a los parámetros de un modelo en cada paso del entrenamiento.
Leer másMachine LearningTensorFlow
Framework de código abierto desarrollado por Google para construir y entrenar modelos de deep learning a gran escala.
Leer másMachine LearningTest A/B
Experimento controlado que compara dos versiones distintas de un producto, modelo o característica, para determinar cuál produce mejores resultados según una métrica definida.
Leer másMachine LearningTF-IDF
Técnica de representación de texto que pondera cada palabra según su frecuencia en un documento específico, mientras penaliza las palabras que aparecen en casi todos los documentos de una colección.
Leer másMachine LearningTrain/test split
Práctica de dividir un conjunto de datos en una parte para entrenar el modelo y otra separada para evaluar qué tan bien generaliza.
Leer másMachine LearningTruco del kernel (Kernel trick)
Técnica matemática que permite a algoritmos como las SVM encontrar fronteras de decisión no lineales, sin calcular explícitamente una transformación a un espacio de mayor dimensión.
Leer másMachine LearningUMAP
Técnica de reducción de dimensionalidad similar a t-SNE en su uso para visualización, pero generalmente más rápida y mejor en preservar tanto la estructura local como la global de los datos.
Leer másMachine LearningUnderfitting
Cuando un modelo es demasiado simple para capturar los patrones reales de los datos, rindiendo mal incluso en el propio entrenamiento.
Leer másMachine LearningValidación cruzada
Técnica que evalúa el rendimiento de un modelo dividiendo los datos en varias particiones, entrenando y probando el modelo múltiples veces para obtener una estimación más confiable.
Leer másMachine LearningValidación cruzada anidada
Técnica de evaluación que combina dos niveles de validación cruzada: uno para ajustar los hiperparámetros de un modelo, y otro externo para evaluar su desempeño final de forma imparcial.
Leer másMachine LearningValidación Leave-one-out
Variante extrema de validación cruzada donde cada observación individual se usa una vez como conjunto de prueba, mientras se entrena con todas las demás.
Leer másMachine LearningValidación temporal (Time-based split)
Estrategia de validación que separa los datos de entrenamiento y de prueba según el orden cronológico en que ocurrieron, en lugar de dividirlos al azar.
Leer másMachine LearningVentana deslizante (Series de tiempo)
Técnica de feature engineering que crea variables a partir de un rango fijo de observaciones pasadas más recientes, usada frecuentemente en pronóstico y detección de anomalías.
Leer másMachine LearningXGBoost
Implementación optimizada y muy popular del algoritmo de Gradient Boosting, conocida por su velocidad y su desempeño consistentemente alto en competencias de ciencia de datos.
Leer más