Modelos e IA · 4 min de lectura
Modelos predictivos en ciencias sensoriales: qué pueden y qué no
Regresión, clasificación y aprendizaje activo aplicados a atributos sensoriales.
Un modelo predictivo aprende, a partir de ejemplos, la relación entre variables de entrada (formulación, parámetros de proceso, medidas instrumentales) y un atributo sensorial de salida.
Regresión y clasificación
Si el atributo se expresa en una escala continua, como la intensidad de un aroma, se usan modelos de regresión. Si se expresa en categorías, como aceptable o no aceptable, se usan modelos de clasificación. En ambos casos el resultado es una estimación, no una medición.
Aprendizaje activo
En lugar de evaluar muestras al azar, el modelo puede señalar aquellas sobre las que tiene mayor incertidumbre. Evaluarlas con un panel aporta la información más útil y mejora el modelo con menos evaluaciones.
Sus límites
Un modelo es tan bueno como los datos con los que se entrenó. Si el producto cambia de categoría o sale del rango de los ejemplos, sus predicciones pierden confiabilidad. Por eso se acompaña de validación humana y de una descripción clara de las condiciones en que puede usarse.
Bien planteados, estos modelos no sustituyen la evaluación sensorial: la hacen más selectiva, más rápida y más fácil de repetir.