transcript
show notes
Este artículo técnico de Leo Breiman introduce los bosques aleatorios, un método de aprendizaje automático que construye una colección de árboles de decisión utilizando vectores aleatorios para mejorar la precisión tanto en clasificación como en regresión. El autor demuestra que estos modelos no presentan problemas de sobreajuste debido a la ley de los grandes números, estableciendo que la precisión final depende de la fuerza predictiva de cada árbol individual y de la baja correlación entre ellos. Mediante el uso de estimaciones fuera de la bolsa (out-of-bag), el texto explica cómo monitorear el error de generalización y medir la importancia de las variables sin necesidad de conjuntos de prueba externos. En última instancia, Breiman presenta este algoritmo como una alternativa robusta al ruido y altamente eficiente que compite favorablemente con métodos tradicionales como Adaboost.