Glosario

Regresión de bosque aleatorio

¿Qué es 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.

Temas

regresión
método de conjunto
árboles de decisión

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

Árbol de decisión

Un árbol de decisión es un modelo que representa una decisión como una secuencia de preguntas sencillas de sí o no: cada rama comprueba una característica y cada hoja da un resultado. En el aprendizaje automático, estos árboles se aprenden a partir de datos y se usan para clasificar o predecir. Su gran ventaja es que se entienden fácilmente, por ejemplo para ver por qué se marcó una solicitud de crédito según ingresos, plazo e historial de pagos.

Aprendizaje automático
Clasificación
+1

Bagging

El bagging (abreviatura de bootstrap aggregating) es un método de conjunto en aprendizaje automático: se entrenan muchos modelos con muestras extraídas al azar de los datos de entrenamiento y sus predicciones se promedian o se combinan por mayoría. Así los resultados son más estables y se reduce el sobreajuste. El ejemplo más conocido es el bosque aleatorio, que combina muchos árboles de decisión, por ejemplo para predecir bajas de clientes o precios.

Métodos de conjunto
Aprendizaje automático
+1

Gradient boosting (potenciación del gradiente)

El gradient boosting es una técnica de aprendizaje automático que combina, uno tras otro, muchos modelos sencillos, normalmente pequeños árboles de decisión. Cada nuevo árbol se entrena para reducir los errores que dejaron los anteriores. Así se obtienen modelos muy precisos para datos tabulares, por ejemplo para riesgo de crédito, previsión de ventas o probabilidad de abandono. Implementaciones conocidas son XGBoost, LightGBM y CatBoost; hace falta un ajuste cuidadoso para evitar el sobreajuste.

Aprendizaje automático
Método de ensamble
+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