
Glosario de términos utilizados en el MOOC
A |
---|
Accuracy o porcentaje de aciertoPromedio de aciertos total obtenido por el modelo de clasificación, representado en tanto por ciento | |
Alta dimensionalidadExiste un alto número de variables de entrada en el problema de aprendizaje | |
Antecedente de la RAEn una regla A → C, A es el antecedente de la regla, es decir, aquello que debe aparecer en la instancia para que con una alta probabilidad también aparezca C. | |
Aprendizaje SupervisadoEn aprendizaje automático y minería de datos, el aprendizaje supervisado es una técnica para deducir una función a partir de datos de entrenamiento. Los datos de entrenamiento consisten de pares de objetos: una componente del par son los datos de entrada y el otro, los resultados deseados | |
AprioriEs el primer algoritmo que se
propuso en la literatura para obtener RAs a partir de un conjunto de datos.
Este algoritmo hace uso de un proceso de generación en anchura para extraer
todos los itemsets frecuentes y después genera las RAs a partir de ellos. Hace
uso de la propiedad de anti-monotonía de la medida de soporte para mejorar la
eficiencia al generar los itemsets frecuentes. | |
Á |
---|
Árbol de decisiónTipo de modelo de aprendizaje supervisado basado en una serie de condiciones
aplicadas de manera jerárquica, representado en forma de árbol, con decisiones
dicotómicas en cada nodo, y donde cada decisión o salida se obtiene recorriendo el
camino de la raíz a las hojas. | |
Árbol de regresiónEs un árbol de decisión en cuyas hojas hay una constante | |
A |
---|
AUC o Área bajo la curva ROCMétrica de calidad basada en las probabilidades de salida
del clasificador, y el balance que se alcanza entre verdaderos y falsos positivos para cada
valor de umbral de probabilidad. | |
B |
---|
Bagging o Bootstrap AggregatingTipo de Ensemble que utiliza un subconjunto diferente
de los datos de entrenamiento. En este caso, se entrena un número M de estimadores
de manera independiente | |