- ¿Qué son las métricas de evaluación del modelo??
- ¿Cuáles son las métricas elegidas para evaluar el rendimiento del modelo??
- ¿Cuáles son los diferentes tipos de métricas de evaluación??
- ¿Qué métrica puedes usar para evaluar un modelo de clasificación??
¿Qué son las métricas de evaluación del modelo??
Definamos ahora las métricas de evaluación para evaluar el rendimiento de un modelo de aprendizaje automático, que es un componente integral de cualquier proyecto de ciencia de datos. Tiene como objetivo estimar la precisión de generalización de un modelo sobre los datos futuros (no vistos / fuera de la muestra).
¿Cuáles son las métricas elegidas para evaluar el rendimiento del modelo??
Precisión: la proporción del número total de predicciones que fueron correctas. Valor predictivo positivo o precisión: la proporción de casos positivos que se identificaron correctamente. Valor predictivo negativo: la proporción de casos negativos que se identificaron correctamente.
¿Cuáles son los diferentes tipos de métricas de evaluación??
Esta publicación trata sobre varias métricas de evaluación y cómo y cuándo usarlas.
- Exactitud, precisión y recuperación: A. ...
- Puntuación F1: esta es mi métrica de evaluación favorita y tiendo a usarla mucho en mis proyectos de clasificación. ...
- Pérdida de registro / entropía binaria. ...
- Entropía cruzada categórica. ...
- AUC.
¿Qué métrica puedes usar para evaluar un modelo de clasificación??
El área bajo curva (AUC) es una de las métricas más utilizadas para la evaluación. Se utiliza para problemas de clasificación binaria. El AUC de un clasificador es igual a la probabilidad de que el clasificador clasifique un ejemplo positivo elegido al azar más alto que un ejemplo negativo elegido al azar.