Métricas de regresión
by Abraham Ramirez
1. • Error cuadrático medio (RMSE)
1.1. RMSE es solo la raíz cuadrada de MSE. La raíz cuadrada se introduce para hacer que la escala de los errores sea igual a la escala de los objetivos.
2. • Error absoluto medio (MAE)
2.1. En MAE, el error se calcula como un promedio de diferencias absolutas entre los valores objetivo y las predicciones. El MAE es una puntuación lineal
3. • R al cuadrado (R²)
3.1. El coeficiente de determinación, o R² (a veces leído como R-dos), es otra medida que podemos usar para evaluar un modelo y está estrechamente relacionada con la MSE
4. • Error de porcentaje cuadrático medio (MSPE)
4.1. MSE trabaja con errores cuadrados absolutos, mientras que los errores relativos pueden ser más importantes para nosotros.
5. • Error logarítmico cuadrático medio (RMSLE)
5.1. Es solo un RMSE calculado en escala logarítmica
6. Los modelos de aprendizaje automático intentan resolver un problema con un objetivo diferente .
7. • Error cuadrático medio (MSE)
7.1. Es la métrica más simple y común, pero también es probablemente la menos útil
8. • R cuadrado ajustado (R²)
8.1. El R2 ajustado también indica qué tan bien se ajustan los términos a una curva o línea, pero se ajusta para el número de términos en un modelo.
9. • Error porcentual absoluto medio (MAPE)
9.1. La preferencia de error relativo también se puede expresar con el Error porcentual absoluto medio, MAPE