Glosario

Modelado predictivo

¿Qué es Modelado predictivo?

El modelado predictivo es el núcleo técnico de la analítica predictiva: con datos de ejemplo cuyo resultado se conoce se construye un modelo que predice un valor o una clase para casos nuevos. Métodos habituales son la regresión, los árboles de decisión, los bosques aleatorios y las redes neuronales. Un modelo puede, por ejemplo, estimar el precio de una vivienda a partir de la superficie, la ubicación y el año de construcción. Antes de usarlo se prueba con datos reservados para detectar el sobreajuste.

Temas

modelado
predicción
aprendizaje automático

Probar KI.ordo

Agentes, flujos y plantillas en un solo espacio de trabajo – demo gratuita de 24 horas.

Iniciar demo

← Todos los términos

Términos relacionados

Analítica predictiva

La analítica predictiva usa datos históricos, estadística y aprendizaje automático para estimar acontecimientos futuros probables. Responde a preguntas como: ¿qué clientes van a darse de baja? ¿Cuánto stock necesitarás el mes que viene? ¿Cuándo es probable que falle una máquina? Los resultados son probabilidades, no certezas. Su valor depende mucho de la calidad de los datos y de que las predicciones se usen de verdad en decisiones y procesos.

análisis de datos
previsión
+1

Regresión lineal

La regresión lineal es un método estadístico que describe la relación entre una variable objetivo y una o varias variables explicativas mediante una recta o un plano. Los coeficientes suelen elegirse de forma que se minimice la suma de las desviaciones al cuadrado. Es fácil de entender e interpretar: por ejemplo, permite estimar cuánto aumentan las ventas si subes el presupuesto publicitario en 1.000 euros. Con relaciones no lineales muestra sus límites.

Estadística
Previsión
+1

Regresión de bosque aleatorio

La regresión de bosque aleatorio (random forest) predice valores numéricos combinando muchos árboles de decisión. Cada árbol se entrena con una muestra aleatoria de los datos y una selección aleatoria de variables; el resultado es la media de las predicciones de todos los árboles. Así el método es más robusto y menos propenso al sobreajuste que un solo árbol. Se usa, por ejemplo, para previsiones de ventas, estimaciones de precios o demanda energética, a menudo como punto de partida sólido con datos tabulares.

regresión
método de conjunto
+1

Validación cruzada

La validación cruzada es un método para comprobar lo bien que un modelo generaliza a datos nuevos. En la validación cruzada de k iteraciones, los datos se dividen en k partes; el modelo se entrena k veces con k−1 partes y se evalúa cada vez con la parte restante, y después se promedian los resultados. Así detectas el sobreajuste y comparas de forma justa modelos o configuraciones, sobre todo con pocos datos.

Evaluación de modelos
Validación
+1