Las Mejores Métricas para Evaluar Modelos de Regresión con Scikit-Learn: R2, MSE, RMSE, MAE y otras

[@CodigoMaquina]

👉 Xiperia ofrece consultoría empresarial que transforma datos en conocimiento accionable para alcanzar los objetivos de tu negocio. Conoce más en www.xiperia.com

[@cristhianmarulanda1030]

ud nacio para enseñar, mi mayor admiracion para este caballero

[@CodigoMaquina]

Muchas gracias por tus palabras!!!

[@yuniorbatista2416]

De las mejores explicaciones que he visto en youtube, sobre todo lo practico y con ejemplos sencillos

[@CodigoMaquina]

@yuniorbatista2416 muchas gracias por tus palabras :)

[@renzoreyna3998]

Excelente explicación cómo siempre. Saludos desde Córdoba, Argentina

[@CodigoMaquina]

¡Muchas gracias! Saludos desde la Ciudad de México

[@dathalexilio]

Gran video y excelente explicación. Gracias profe, eres lo máximo!

[@CodigoMaquina]

Gracias por tus comentarios😊

[@elioduran60]

Excelente clase Profesor, muy fácil de entender esos conceptos que generalmente se prestan a confusiones. Gracias 👍

[@CodigoMaquina]

Muchas gracias por interactuar y por seguir el contenido del canal :)

[@hectorbrayancespedesclavij6746]

oye tus videos son excelentes tu explicación y un ejemplo practico es maravilloso, gracias

[@CodigoMaquina]

Muchas gracias por tus palabras!!!

[@cristianlikez]

Buenísimo, ya estábamos esperando el vídeo desde la semana pasada 😅 Gracias ..

[@CodigoMaquina]

Muchas gracias por tu comentario. Nos tomamos un descanso de fin de año, pero ya regresamos a sacar videos semanales :) El próximo lunes publicamos un nuevo video sobre el gradiente descendiente, ojalá les agrade :)

[@guillermosilva1527]

Que grande! Le agradezco mucho por el contenido que está subiendo, me está ayudando muchisimo

[@CodigoMaquina]

Muchas gracias por tus comentarios. Hacemos estos videos con muchísimo gusto con la esperanza de que sean de utilidad. Leer comentarios como el tuyo, le dan sentido a nuestro esfuerzo.

[@guillermosilva1527]

@@CodigoMaquina Realmente lo son. Quisiera contale que hace poco realiza una prueba para entrar a una capacitacion a una empresa de Mexico, gracias a su canal y a otras fuentes he podido realizar la prueba con existo. Ahora me encuentro dentro de otra etapa, pero un poco mas cerca de conseguir el empleo. Se lo debo a usted y a todos aquellos toman mucho tiempo para compartir sus valiosos conocimientos. Le mantendre al tanto de como me va jajaja. Fuerte abrazo y muchas gracias nuevamente.

[@CodigoMaquina]

¡Muchísima suerte!

[@arielsanchez9775]

¡Excelente!, me saco de dudas, gracias

[@CodigoMaquina]

Muchas gracias por tus palabras y por interactuar en el canal :)

[@GuillerminaLanza]

Gran video! Gracias!!

[@CodigoMaquina]

¡Muchas gracias! Saludos desde la Ciudad de México

[@mejia414]

se le agradece sus valiosos aportes señor, cada vez que tengo dudas usted me salva

[@CodigoMaquina]

Muchas gracias Gonzalo. Es un placer leer que los videos son de utilidad :)

[@msaretto]

Excelentes como todos los demás. Podrías incluir entre tus videos, uno que explique la mejor manera de guardar y recuperar los modelos de aprendizaje, para hacer comparaciones. te agradezco

[@CodigoMaquina]

Gracias por comentar en nuestros videos. La sugerencia de tema es muy buena. La voy anotar en la lista de videos por hacer :) Vamos a incluir más videos sobre fundamentos de machine learning, por ejemplo, uno sobre el gradiente descendiente que sale la siguiente semana, pero también vamos a incluir otros temas de corte más técnico como el tema que tan amablemente nos sugieres. Gracias por ver el canal :)

[@francoacharez4804]

Excelente video

[@CodigoMaquina]

Muchas gracias por comentar!!!!

[@jonathan1003046909]

Excelente contenido !

[@CodigoMaquina]

Muchas gracias Jonathan!

[@RobertoChavezQuintero]

muy bien explicado!!!!!

[@CodigoMaquina]

Gracias. Saludos!!

[@andresestevez2701]

una duda en el librido de Aprende Machine Learning con Scikit-Learn, Keras y TensorFlow hay un apartado de modelos de entrenamiento, en la recta a que se refiere con la ecuacion de la normal

[@octadp5728]

Excelente video Octavio, sos muy crack

[@CodigoMaquina]

Muchas gracias por seguir el contenido del canal!!!

[@janton84]

Gracias

[@CodigoMaquina]

Muchas gracias por seguir el contenido del canal!!!

[@domitilasalvatierrahurtado1748]

excelente video!!!

[@CodigoMaquina]

Muchas gracias :)

[@juanordonez8946]

Hola, es muy chévere como explica de manera tan clara las métricas. tengo la siguiente duda: ¿Cómo se calcula o ajusta el estas métricas para una predicción realizada con base a 3 variables independientes (Y_verdadero)?, es decir, por ejemplo, para la regresión múltiple o la utilización de métodos de estimación como el de Método U.S. National Weather Service. Quedo atento, espero por favor me puedas ayudar.

[@CodigoMaquina]

Muchas gracias por tus comentarios. Con respecto a tu pregunta, te comento que el cálculo de las métricas se puede generalizar para 3 o más variables relativamente fácil . El 'truco' está en identificar los verdaderos positivos, los verdaderos negativos, los falsos positivos y los falsos negativos para cada clase. Con esos valores puedes calcular las métricas más importantes. Por ejemplo, para tres clases A, B y C, se pueden identificar fácilmente cuántas instancias de A fueron clasificadas correctamente como A, es decir, los verdaderos positivos correspondientes a la clase A. Después, podrías ver cuántas instancias de B y C fueron erróneamente clasificadas como A, y esos serían los falsos positivos correspondientes a la clase A. Y así sucesivamente. Ojalá este breve explicación ayude aunque sea un poco. Gracias por comentar y por ver el canal :)

[@carloscarrascochozo692]

buena explicación pero en las metricas cuando nos damos cuenta que está mal o que está bien en el modelo ?

[@elizeus4163]

estas métricas son solo para regresión? para clasificación cuales existen? se pueden aplicar las mismas o no es buena práctica?

[@10955356]

Buen video!

[@CodigoMaquina]

Muchas gracias por apoyarnos comentando!

[@abelgomezmendez2766]

Me quedó muy claro que R2 Score solamente es apropiado para regresiones lineales, pero...¿cuál es el más apropiado para evaluar la eficacia de modelos de regresión no lineales?

[@CodigoMaquina]

@abelgomezmendez2766 muchas gracias por la pregunta. En definitiva, ese es un tema muy interesante y eventualmente me gustaría tener un video dando una respuesta detallada a la pregunta. Mientras tanto, te recomiendo echarle un ojo al Criterio de Información de Akaike, el cual "es una medida ampliamente aceptada para medir la validez de varios modelos no lineales" (Spiess & Neumeyer, 2010). Referencia Spiess, A. N., & Neumeyer, N. (2010). An evaluation of R2 as an inadequate measure for nonlinear models in pharmacological and biochemical research: a Monte Carlo approach. BMC pharmacology, 10(1), 1-11.

[@ferhf824]

Y POR QUE ACA no se valida multicolinealidad, heterocedasticidad, normalidad de los errores?

[@CodigoMaquina]

Gracias por sacar a relucir esos temas tan importantes. Eventualmente me gustaría llegar a incluir temas más avanzados, sin embargo, primero me estoy enfocando en temas introductorios. Ojalá algún pueda llegar a esos temas, mientras tanto, el hecho de que los mencionen es lo comentarios ayuda a que otras personas estén al tanto de ellos.

[@andresestevez2701]

una duda librito de esto, ¿es de estadística?

[@karycolin9046]

No entendí bien lo que quisiste decir, pero si te refieres a que si este vídeo es estadística sí, y un buen libro para seguir aclarando dudas es el Navidi, aunque considero que este maestro lo hizo de la mejor manera🎉

[@damian5argento]

No me quedo claro si puedo usar el R2 para evaluar modelos no lineales 😂