Seleccionar la métrica de evaluación correcta para los modelos de aprendizaje automático.
por JUAN MANUEL RAMOS RANCAÑO
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