Glosario IA
El diccionario completo de la Inteligencia Artificial
Ponderación de ejemplos
Mecanismo fundamental de AdaBoost que asigna pesos a las instancias de entrenamiento, aumentando progresivamente el peso de los ejemplos mal clasificados para obligar a los clasificadores subsiguientes a concentrarse en ellos.
Alfa (α) de AdaBoost
Coeficiente de ponderación calculado para cada clasificador débil basado en su error de clasificación, determinando su influencia en la votación final del modelo de conjunto.
Función de pérdida exponencial
Función objetivo optimizada por AdaBoost que penaliza exponencialmente los errores de clasificación, justificando matemáticamente la estrategia de reponderación de ejemplos difíciles.
SAMME
Variante multi-clase de AdaBoost (Stagewise Additive Modeling using a Multi-class Exponential loss function) que extiende el algoritmo binario original a problemas de clasificación con más de dos clases.
SAMME.R
Extensión de SAMME que utiliza las probabilidades de predicción de los clasificadores en lugar de las etiquetas de clase duras, ofreciendo una convergencia más rápida y mejores rendimientos teóricos.
Error de clasificación ponderado
Métrica de evaluación utilizada en AdaBoost que calcula la suma de los pesos de los ejemplos mal clasificados dividida por la suma total de los pesos, determinando el rendimiento de cada clasificador débil.
Convergencia de AdaBoost
Propiedad teórica que garantiza que el error de entrenamiento de AdaBoost disminuye exponencialmente con el número de iteraciones siempre que los clasificadores débiles sigan siendo mejores que el azar.
AdaBoost Estocástico
Variante de AdaBoost que utiliza un submuestreo aleatorio de los datos de entrenamiento en cada iteración, reduciendo el tiempo de cálculo y mejorando la generalización al introducir diversidad.
Parada Temprana en AdaBoost
Técnica de detención temprana del entrenamiento de AdaBoost basada en el rendimiento en un conjunto de validación para evitar el sobreajuste y optimizar el número óptimo de clasificadores.