Un modelo predictivo es un modelo matemático o estadístico utilizado en inteligencia artificial y machine learning para predecir el valor de una variable de interés basándose en datos históricos y patrones observados. Normalmente el evento a predecir es futuro, sin embargo el modelado predictivo se puede aplicar a eventos desconocidos sin importar el tiempo.

Los modelos predictivos se utilizan en una variedad de aplicaciones, como el análisis de riesgos, la detección de fraudes, la predicción de la demanda, la clasificación de imágenes, entre otros. Estos modelos se entrenan utilizando un conjunto de datos históricos que contiene información sobre las variables relevantes y las salidas correspondientes.

Una vez entrenado, el modelo predictivo puede utilizarse para hacer predicciones sobre nuevas observaciones. Para ello, se proporciona al modelo una entrada que contiene valores de las variables de entrada, y el modelo utiliza estos valores para hacer una predicción sobre el valor de salida correspondiente.

El modelo predictivo da lugar así a pronósticos que, sin embargo, deben considerarse como probabilidades y no como ciertas predicciones, que necesariamente se materializarán. La verosimilitud de los resultados de los modelos pronósticos debe informarse estadísticamente. Entonces, su probabilidad es concebible dependiendo del tamaño del conjunto de datos estudiados. Así, cuanto mayor sea el número de datos analizados, cuanto más se puedan considerar los resultados de los modelos pronósticos como resultados concebibles y precisos.

Los modelos predictivos se construyen utilizando técnicas de aprendizaje supervisado, que requieren la existencia de un conjunto de datos etiquetados para el entrenamiento del modelo. La precisión de un modelo predictivo se evalúa mediante métricas de error, como la precisión, el error cuadrático medio o la curva ROC.