Glosario de términos

El porcentaje de predicciones correctas que un modelo realiza para decisiones categóricas. Esto es más complejo para las decisiones numéricas.

Una técnica de aprendizaje automático (ML) que pide un modelo con interacción humana que proporcione resultados para entradas específicas. La máquina utiliza estas entradas para optimizar la velocidad de aprendizaje y minimizar el número de interacciones con el modelo con interacción humana. Consulte también Aprendizaje guiado.

Un sistema de aprendizaje automático que no requiere entrada de datos por parte del usuario para ajustar los datos, analizar las relaciones entre las variables y hacer predicciones sobre nuevos datos. Un ejemplo típico es el Estadístico automático.

Variable categórica que toma uno de dos valores, generalmente verdadero o falso.

El proceso de revisar las entradas del modelo y las predicciones de resultados, y sobrescribir la decisión del modelo si es necesario.

Variable que toma uno de un conjunto fijo de valores. Si los valores no están ordenados, entonces es una variable categórica “nominal”; de lo contrario, si los valores están ordenados, es una variable categórica “ordinal”.

Consulte Confianza.

Parte de una regla. Deben cumplirse todas las condiciones de la regla para que se aplique. Por ejemplo: depósito = lleno. También se conoce como “restricción”.

Esto define qué tan seguro es un modelo en su predicción, por ejemplo, cuántas veces de cada 100 espera que sea correcto. También se conoce como “certeza”.

El tipo de variable en un problema. Puede ser categórico o numérico.

Consulte Variable de resultado.

Consulte la Regla.

Una técnica de aprendizaje automático (ML) que pide un modelo con interacción humana que proporcione entradas que generen resultados específicos. La máquina utiliza estas salidas para optimizar la velocidad de aprendizaje y minimizar el número de interacciones con el modelo con interacción humana. Consulte también Aprendizaje activo.

Un humano que proporciona orientación a un método de aprendizaje automático o automatización.

Entrada al proceso de toma de decisiones.

Un valor relativo que un modelo proporciona a una variable de entrada en comparación con las otras variables de entrada para determinar su importancia. Un valor más alto indica que el modelo trata esa variable como más importante. Algunos modelos permiten que el usuario altere estos pesos. También se conoce como importancia o peso de la característica.

Un modelo de aprendizaje automático o no paramétrico estadístico que hace predicciones (categóricas o numéricas) para una entrada basada en los vecinos más cercanos a k (kNN) a la entrada en los datos de capacitación. Los vecinos más cercanos pueden considerarse por igual (un modelo kNN no ponderado) o ponderados por su distancia inversa o similitud (un modelo kNN ponderado).

Sistemas en los que las máquinas aprenden por sí mismas.

Un sistema de aprendizaje automático que predice un resultado (decisión) basado en un conjunto determinado de características.

Un subconjunto de las muestras que se consideran similares a los valores que se han ingresado para las variables. Consulte el modelo kNN.

Sistemas que pueden configurarse sin programación. Estos generalmente están diseñados para que un usuario empresarial en lugar de un ingeniero los utilice.

Variable categórica no ordenada. Por ejemplo, “gato”, “caballo”, “perro”.

Un modelo de aprendizaje automático que hace pocas suposiciones de la estructura del problema y se ajusta a los datos. Por lo general, estos modelos son más flexibles que los modelos paramétricos estadísticos estándar.

Variable que toma cualquier valor en un rango. Por ejemplo, 1, 1.2, 100, -3.

Una variable categórica ordenada. Por ejemplo, “pequeño”, “medio”, “grande”.

El resultado del proceso de toma de decisiones. También conocida como “decisión”.

Una excepción definida por el usuario al modelo de Decision. Esta es una lista de condiciones o restricciones que, cuando se satisfacen, fuerzan el resultado a un valor en particular. También conocida como “excepción”.

Un punto de datos que es un conjunto completo de valores de variable de entrada posiblemente también asociados con un valor de variable de resultado.

Consulte el modelo kNN.

Término genérico para una variable de entrada o resultado (decisión).