Herramientas de usuario
pan:machine_learning
Diferencias
Muestra las diferencias entre dos versiones de la página.
| Ambos lados, revisión anteriorRevisión previaPróxima revisión | Revisión previa | ||
| pan:machine_learning [2024/10/30 16:55] – thejuanvisu | pan:machine_learning [2024/11/20 16:21] (actual) – thejuanvisu | ||
|---|---|---|---|
| Línea 53: | Línea 53: | ||
| * En el caso de un modelo lineal el modelo lineal es una función en términos de x. | * En el caso de un modelo lineal el modelo lineal es una función en términos de x. | ||
| + | ===== Métricas para evaluación de error ===== | ||
| + | Se quiere medir el rendimiento del modelo una vez ha sido entrenado. | ||
| + | * Función de pérdida: Se usa para optimizar el modelo | ||
| + | * Métricas de evaluación: | ||
| + | |||
| + | ==== Evaluación de error para regresión ==== | ||
| + | * Error cuadrático medio: 1/n * sumatorio(ti-yi)^2 | ||
| + | * Raiz de Error Cuadrático medio: RaizCuadrada(Error cuadratico medio). | ||
| + | * Error absoluto Medio: como el Error cuadrático medio, pero en valor absoluto. | ||
| + | * Error medio porcentual medio: 100/n* sumatorio((ti-yi) / yi) | ||
| + | |||
| + | ==== Evaluación de error para métricas por clasificación ==== | ||
| + | Se construye una matriz de confusión que almacena el número de casos que coinciden y en los que no, almacenando: | ||
| + | * verdaderos positivo | ||
| + | * falsos positivos | ||
| + | * falsos negativos | ||
| + | * verdaderos negativos | ||
| + | |||
| + | Luego se calcula la accuracy: Aciertos/ | ||
| + | * TP: Verdadero Positivo | ||
| + | * TN: Verdadero Negativo | ||
| + | * FP: Falso Positivo | ||
| + | * FN: Falso Negativo | ||
| + | |||
| + | Sensibilidad: | ||
| + | * Sensibilidad = TP/(TP+FN) | ||
| + | |||
| + | Especifibilidad: | ||
| + | * Especifibilidad = TN/CTN+FP) | ||
| + | |||
| + | Precision: De todos los clasificados como positivos cuantos eran realmente positivos | ||
| + | * Precisión: TP/(TP+FP) | ||
| + | |||
| + | F1-Score: | ||
| + | |||
| + | Curva ROC (Receiver Operating Characteristic): | ||
| + | |||
| + | |||
| + | ===== Metodología para el análisis de resultados ===== | ||
| + | |||
| + | ==== Redes neuronales artificiales ==== | ||
| + | Se organizan en capas, pueden ser de una sola capa o multicapa. Pueden ser hacia delante (Reciben cosas de la capa anterior) o Recurrentes, | ||
pan/machine_learning.1730307349.txt.gz · Última modificación: 2024/10/30 16:55 por thejuanvisu
Herramientas de la página
