Metricas en machine learning
La metricas en machine learning sirven para evaluar el rendimiento del modelo y la eficacia de un modelo entrenado como las curvas de validación, aprendizaje o curvas ROC.
La metricas en machine learning sirven para evaluar el rendimiento del modelo y la eficacia de un modelo entrenado como las curvas de validación, aprendizaje o curvas ROC.
Curvas de validación en Machine Learning: diagnóstico y ajuste del hiperparámetro C ¿Qué son las curvas de validación en Machine Learning? Las curvas de validacion en machine learning son una herramienta de diagnóstico fundamental que aprovecha la validación cruzada para evaluar el rendimiento de un modelo frente a distintos valores de un [...]
Las curvas de aprendizaje Las curvas de aprendizaje son una herramienta fundamental en machine learning para entender cómo se comporta un modelo a medida que recibe más datos de entrenamiento. Estas curvas permiten visualizar la relación entre el rendimiento del modelo y el tamaño del conjunto de datos, ayudando a identificar si el modelo [...]
¿Qué son las curvas ROC? Las curvas ROC (Receiver Operating Characteristic) son una representación gráfica fundamental para evaluar el rendimiento de un modelo de clasificación binaria. Muestra cómo varían la sensibilidad y la especificidad del modelo al modificar los umbrales de decisión de los scores de predicción. Esta curva se construye a partir de dos métricas clave: Tasa de verdaderos [...]
Matriz de confusión machine learning Una matriz de confusión, es una herramienta utilizada para evaluar el rendimiento de un modelo de clasificación de machine learning. Esta matriz muestra la relación entre las predicciones realizadas por el modelo y las clases reales de un conjunto de datos. La matriz de confusión está formada por [...]