Modelos Latentes

En el ámbito de la inteligencia artificial y el aprendizaje automático, son representaciones compactas y de menor dimensión utilizadas para capturar patrones o estructuras subyacentes en conjuntos de datos complejos.

Se basan en la suposición de que los datos observables están influenciados por un menor número de variables latentes no observables, que son responsables de la generación de los mismos.

Estos modelos permiten reducir la dimensionalidad, facilitando el análisis y la interpretación de los datos al representar características esenciales de manera más manejable.

Ejemplos comunes incluyen modelos como el Análisis de Componentes Principales (PCA), los Modelos Ocultos de Markov (HMM) y la Factorización de Matrices.

También son fundamentales en técnicas modernas como los modelos generativos y en el campo del aprendizaje no supervisado.