estadística

árbol de decisión potenciado

Un comité de árboles simples, cada uno corrige los errores del anterior; durante mucho tiempo el clasificador estándar en física de partículas.
29 artículos relacionados

Descripción

Los árboles de decisión potenciados (BDT, por sus siglas en inglés) son un método de aprendizaje conjunto que combina muchos árboles de decisión simples para producir un clasificador potente. Cada árbol se entrena secuencialmente, y cada nuevo árbol se centra en los errores cometidos por los anteriores. Los BDT han sido el clasificador de referencia en la física de partículas de alta energía durante más de una década, utilizados para distinguir señales raras del ruido de fondo abrumador en los datos de los colisionadores.

Historia

El concepto de potenciación fue introducido por Robert Schapire en 1990, y el algoritmo AdaBoost fue desarrollado por Freund y Schapire en 1995. Los BDT se convirtieron en estándar en la física de partículas tras el descubrimiento del bosón de Higgs en 2012, donde desempeñaron un papel clave en la separación de la señal del Higgs del fondo.

Cómo funciona

El algoritmo de potenciación más común es AdaBoost: se comienza con un conjunto de pesos sobre las muestras de entrenamiento, se entrena un árbol poco profundo, luego se aumentan los pesos de las muestras mal clasificadas y se disminuyen los de las correctamente clasificadas. El siguiente árbol se entrena con los datos reponderados, y el proceso se repite. La predicción final es un voto ponderado de todos los árboles. La potenciación por gradiente es una generalización que optimiza una función de pérdida arbitraria ajustando cada nuevo árbol a los errores residuales del conjunto actual.

En la práctica

Los BDT se utilizan en física de partículas para la clasificación de eventos, en la calificación crediticia para la evaluación de riesgos y en el diagnóstico médico para la predicción de enfermedades a partir de datos de pacientes.

Dato curioso

En el descubrimiento del bosón de Higgs en 2012, los BDT fueron tan efectivos que ayudaron a extraer una señal que aparecía en aproximadamente una de cada billón de colisiones protón-protón.

Concept graph →

Artículos relacionados · 26

Física Cuántica2026-08-102 minarXiv:2608.09583exprés
El ruido que ayuda a corregir errores
Una computadora cuántica se parece a una orquesta donde cada músico —un cúbit— toca su parte, pero de vez en cuando se equivoca. Para que la música no se convierta en cacofonía, se necesita un director que oiga al instante las notas falsas y las corrija.
Una división que no fragmenta la memoria
Mantener en la cabeza la posición exacta de un lápiz mientras se mueve lentamente es una tarea rutinaria para el cerebro. Para las redes neuronales artificiales, es casi imposible. Las redes recurrentes típicas, como GRU y LSTM, tienden a dividir el movimiento continuo en escalones rígidos: el lápiz no se desliza suavemente, sino que salta de un punto a otro.
Radar sin aprendizaje: cómo PiVoT convierte el ruido en orden
Un radar normal se parece a un micrófono en una multitud ruidosa: los sonidos individuales se mezclan en un caos. PiVoT funciona como un director de orquesta que, en medio del caos de la afinación, reconoce al instante cada instrumento.
Los audífonos aprenden a saborear el sonido
Los audífonos tradicionales se parecen a un cocinero que sigue una receta a ciegas. Analizan el desorden sonoro del micrófono y, basándose en él, amplifican el habla. En una cafetería ruidosa, este enfoque a menudo falla. El nuevo sistema se comporta como un chef experimentado: primero procesa la señal y luego prueba el resultado.
Aceleración inteligente: cómo enseñar al sistema energético a pensar más rápido
Los sistemas energéticos con paneles solares y aerogeneradores se asemejan a una partida de ajedrez: la nubosidad y los cambios de carga son movimientos del oponente imposibles de prever. Para mantener el equilibrio, los operadores antes repasaban decenas de escenarios (incertidumbre), lo que requería demasiado tiempo y cálculo.
Pistas dobles: cómo los smartphones aprenden sin fallos
Cuando presionas «ensalada» y el teclado sugiere «César», detrás de escena millones de teléfonos están aprendiendo juntos a predecir palabras. No intercambian tus mensajes, solo mejoras del algoritmo común, como un entrenador que envía a los atletas solo los cambios en el plan: «añade 5 flexiones a las de ayer». La entropía de la información ayuda a enviar solo correcciones valiosas e inesperadas.
Espejos inteligentes para la señal: equilibrio entre energía y velocidad
Las ondas de radio del smartphone, que viajan a la velocidad de la luz, se reflejan fácilmente en paredes y esquinas, perdiendo fuerza. Las superficies inteligentes son espejos programables: captan la señal dispersa y la redirigen con precisión al objetivo, como un hábil mago que hace que el rayo esquive obstáculos.
Arranque en caliente para el motor cuántico: cómo el aprendizaje automático acelera los cálculos moleculares
DFTB es un tren de alta velocidad en el mundo de la química cuántica: cientos de veces más rápido que el DFT clásico, pero aún sobre rieles electrónicos. Sin embargo, su motor — la autoconsistencia iterativa de cargas — a veces se asemeja a una orquesta donde cada instrumento comienza con una nota arbitraria.
El tango gravitacional: cómo una red neuronal con intuición física captó el ritmo de los agujeros negros
Aislar la señal de un par de agujeros negros supermasivos es como distinguir los pasos de un bailarín en el estruendo de un huracán. En algún lugar del cosmos, estos monstruos giran en un lento tango gravitacional, deformando el propio espacio-tiempo.
Los genes hablan idiomas distintos — una red neuronal halló el lenguaje común
60 ratones, 1980 muestras, 234 pacientes con cáncer de pulmón. Detrás de cada número hay miles de genes. Su actividad se mide para entender la enfermedad. Pero los datos no son homogéneos: de un paciente se evalúa el nivel de proteína (número continuo), se le asigna un diagnóstico (sí/no) y se determina el subtipo de tumor (categoría).
Ballet molecular sin director
Danza de cientos de partículas: algunos pares giran lenta y suavemente, otros se sacuden a un ritmo frenético. Para entender la esencia del baile, hay que fijarse en los movimientos lentos: son la coreografía principal del sistema.
Cómo una red neuronal escuchó el murmullo de la vida
El crecimiento de una población, visto desde fuera, se parece a un tren que acelera: primero avanza apenas, luego gana velocidad. Pero basta con mirar los datos para que la imagen se vuelva borrosa. En una medición hay una docena de individuos, en otra, de repente, un centenar.
Un detector de neutrinos aprende a escuchar susurros
Un fotógrafo fotografía un bosque nocturno e intenta capturar luciérnagas en el encuadre. Los destellos son raros, débiles, y alrededor hay ruido del viento y luces lejanas. Así funciona aproximadamente el enorme detector Hyper-Kamiokande en Japón: captura neutrinos —partículas casi intangibles— mediante diminutos destellos de luz en 260 mil toneladas de agua.
Cosmología2026-05-072 minarXiv:2605.05679exprés
La orquesta cósmica pone a prueba la materia oscura
Dos bolas pesadas giran en la superficie de un estanque. De ellas se expanden círculos: son ondas gravitacionales. Cuando las bolas se acercan, las ondas se llevan energía y los círculos se vuelven más frecuentes.
Física Médica2026-04-282 minarXiv:2604.25356exprés
Detective de rayos X sin chuletas
Un batido de frutas se prueba con dos pajitas diferentes. Una deja pasar solo los trozos grandes, la otra solo el líquido. Por separado, las sensaciones engañan, pero juntas dan la clave: aquí parece plátano, y aquí, fresa.
Cómo una red neuronal encuentra errores en los libros de texto de física
El núcleo de uranio se asemeja a una cartera apretada, cerrada con dos mitades. Para que reviente y libere energía —es decir, para que el núcleo se divida— hay que superar una barrera energética. La altura de ese umbral determina si la materia es estable o está lista para desintegrarse en cualquier momento.
El cazador de electrones fundidos
Cuando dos partículas vuelan casi a la misma velocidad y en la misma dirección, sus señales en el detector se funden, como dos voces al unísono. Distinguir un dúo de un solista es todo un arte.
Una red neuronal aprende a ver las desintegraciones del bosón de Higgs
En el Gran Colisionador de Hadrones chocan protones y del destello nacen decenas de partículas. Entre ellas pueden estar las huellas de procesos raros, como la desintegración del bosón de Higgs en dos bosones W. Pero estas partículas se dispersan tan rápido que sus huellas se funden en un único chorro ancho.
Separando la señal del ruido en los detectores de partículas
Los detectores de partículas, como las cámaras planas resistivas (RPC), funcionan como trampas sensibles: cuando una partícula cargada los atraviesa, se genera una señal eléctrica. Pero a veces la cámara produce un rastro falso, como si alguien invisible hubiera pulsado el timbre.
Gases cuánticos2026-03-262 minarXiv:2603.25775exprés
Una red neuronal ve los nudos en la niebla cuántica
En una nube fría de átomos, enfriada casi hasta el cero absoluto, las energías pueden comportarse como hilos que se entrelazan formando trenzas. Estas trenzas no son solo una imagen bonita: su patrón está relacionado con la topología, la rama de las matemáticas que estudia las propiedades que se conservan bajo deformaciones continuas.
Cómo una red neuronal enfoca la imagen en lluvias de partículas
En el detector del Gran Colisionador de Hadrones nacen millones de partículas cada segundo. Sus destellos de energía en el calorímetro se parecen a las gotas de lluvia en el cristal de una ventana: las gotas individuales se ven, pero cuando son muchas y se fusionan, distinguir cada una resulta difícil.
El detector que no se cansa
El detector de partículas del Gran Colisionador de Hadrones funciona durante años sin detenerse. Sus sensores generan montañas de datos cada segundo, y entre ellos hay que notar rápidamente una avería, como un sobrecalentamiento o un canal roto. Antes se usaban reglas simples para vigilarlo, pero a menudo fallaban.
Enseñar a la red neuronal con menos, pero con inteligencia
Las proteínas en la naturaleza son como granos de arena en la playa, y cada una tiene su función: unas descomponen los alimentos, otras construyen células. Pero para saber qué hace exactamente una proteína, hay que estudiarla en el laboratorio, y eso es lento y caro.
Cómo una red neuronal predice lo nunca visto
El flujo turbulento del agua en una tubería y las oscilaciones de un péndulo parecen no tener nada en común. Pero en su interior comparten algo: ambos obedecen a sus propias leyes de movimiento que pueden describirse con números. Una red neuronal entrenada solo con una de estas «danzas» de números, de repente empieza a comprender la otra, sin un solo ejemplo adicional.
Tumor cerebral en imágenes: dónde termina la certeza
El tejido cerebral en una imagen recuerda a un cielo de tormenta: manchas claras, vacíos oscuros, bordes difuminados. El tumor se esconde entre esos patrones, y el médico debe trazar su contorno para planear la cirugía o la radioterapia. Un modo de resonancia resalta el edema, otro el núcleo del tumor, un tercero las zonas muertas.
El clima en el precio del bono: cómo el aprendizaje automático predice los cupones de los bonos de catástrofe
En 1992, el huracán Andrew arrasó Florida y dejó a las aseguradoras con pérdidas de 15,5 mil millones de dólares. Muchas compañías quebraron entonces, y el mercado ideó una forma de trasladar el riesgo de catástrofe a los hombros de los inversores: los bonos de catástrofe.