Análisis de Errores en Machine Learning

El alto error de entrenamiento indica que el modelo de machine learning es demasiado simple

El análisis de errores es una de las fases del proceso de machine learning más importantes. El análisis de errores nos va a permitir saber qué hacer para mejorar el rendimiento de un modelo de machine learning. Para analizar errores, nos vamos a concentrar en los errores entrenamiento y los errores de generalización. En particular: Nos aseguraremos que el modelo de machine learning sea capaz de aprender. Para ello procuraremos

Generalización en Machine Learning

Separación de datos en los conjuntos de Entrenamiento y Testeo

En Machine Learning, la Generalización es la capacidad de obtener buenos resultados con datos nuevos. En este artículo vamos a hablar de por qué es tan importante la generalización y cómo medirla. Intuición gráfica de la Generalización en Machine Learning Para explicar el concepto de generalización, vamos a intentar usar un ejemplo gráfico y usar el error cuadrático medio. Una vez que tengamos la intuición gráfica, será más fácil describir

Error Cuadrático Medio para Regresión

Calculando el Error Cuadrático Medio

El Error Cuadrático Medio es el criterio de evaluación más usado para problemas de regresión. Se usa sobre todo cuando usamos aprendizaje automático supervisado. Para cada dato histórico podremos indicar el resultado correcto. Vamos a ver como se calcula. Cálculo del Error Cuadrático Medio Vamos a calcular el error cuadrático medio con un ejemplo. En la figura vemos que estamos usando una regresión lineal (en azul) para estimar los datos

Fases del Proceso de Machine Learning

Fases del Machine Learning

A la hora de usar Machine Learning, es conveniente seguir un proceso si queremos obtener buenos resultados. Al seguir un proceso, podemos hacer un mejor uso de nuestro tiempo. Además tendremos una orientación sobre qué es lo que debemos hacer en caso de que nuestros resultados no sean tan buenos como esperábamos. En este artículo vamos a hablar sobre las fases del proceso de machine learning y cómo están relacionadas