Seleccionar la métrica de evaluación correcta para los modelos de aprendizaje automático.

Cómo seleccionar la métrica de evaluación correcta para los modelos de aprendizaje automático

Comienza Ya. Es Gratis
ó regístrate con tu dirección de correo electrónico
Rocket clouds
Seleccionar la métrica de evaluación correcta para los modelos de aprendizaje automático. por Mind Map: Seleccionar la métrica de evaluación correcta para los modelos de aprendizaje automático.

1. Matriz de confusión o error:

1.1. Matriz de confusión o error

1.1.1. True positive (TP)

1.1.2. True negative (TN)

1.1.3. False positive (FP)

1.1.4. False negative (FN)

1.2. Recall o sensibilidad TPR (tasa de true positive)

1.2.1. Tasa de falso positivo

1.2.2. Tasa falso negativo

2. Métricas de regresión

2.1. Error medio absoluto (MAE)

2.1.1. penaliza errores enormes

2.2. Error cuadrado medio (MSE)

2.2.1. valores inesperados que nos deberían interesar

2.3. Raíz cuadrada del error cuadrático medio (RMSE)

2.3.1. valores de los errores se sea igual a los valores de los objetivos

2.4. Errores relativos

2.4.1. Cuadrático medio relativo:

2.4.2. Absoluto medio relativo

2.5. Coeficiente de determinación (R^2)

2.5.1. evaluar un modelo

2.6. R cuadrado ajustado

2.6.1. ajustan los valores a una curva o línea