Fundamentos de machine learning · Evaluación de modelos

Validación cruzada

Dividir los datos de varias formas distintas y promediar el rendimiento, para que una división afortunada o desafortunada no te engañe.

Empezar una lección sobre Validación cruzada

Aprende antes

• División entrenamiento/prueba/validación: Reservar datos con los que el modelo nunca entrena, para poder comprobar honestamente cómo se desempeña con ejemplos no vistos.

Lleva a

• Ajuste de hiperparámetros: Buscar sistemáticamente los ajustes (tasa de aprendizaje, fuerza de regularización, profundidad del árbol) que no se aprenden de los datos sino que se eligen antes del entrenamiento.

Temas relacionados

• Ajuste de hiperparámetros: Buscar sistemáticamente los ajustes (tasa de aprendizaje, fuerza de regularización, profundidad del árbol) que no se aprenden de los datos sino que se eligen antes del entrenamiento.