Unlocking the Secrets of Regression Models: Discover the Top Metrics for Evaluation

Pregunta

¿Cuáles son dos métricas que puede usar para evaluar un modelo de regresión? Cada respuesta correcta presenta una solución completa.

NOTA: Cada selección correcta vale un punto.

Respuestas

A. coeficiente de determinación (R2)

B. Puntuación F1

C. error cuadrático medio (RMSE)

D. área bajo la curva (AUC)

E. precisión equilibrada

Respuesta Correcta

C.A.

R: R-cuadrado (R2), o Coeficiente de determinación, representa el poder predictivo del modelo como un valor entre -inf y 1,00. 1,00 significa que hay un ajuste perfecto, y el ajuste puede ser arbitrariamente pobre, por lo que las puntuaciones pueden ser negativas.

C: pérdida de RMS o error cuadrático medio (RMSE) (también llamado desviación cuadrática media, RMSD), mide la diferencia entre los valores predichos por un modelo y los valores observados del entorno que se está modelando.

Respuestas incorrectas:

B: La puntuación F1, también conocida como puntuación F equilibrada o medida F, se utiliza para evaluar un modelo de clasificación.

D: se utiliza aucROC o área bajo la curva (AUC) para evaluar un modelo de clasificación.

https://docs.microsoft.com/es-es/dotnet/machine-learning/resources/metrics