Una métrica esencial para clasificadores: Área Bajo la Curva ROC (Receiver Operating Characteristic)

[@CodigoMaquina]

⭐ De la co-fundadora de Código Máquina, productos de cosmética natural SINHAKI: www.amazon.com.mx/stores/sinHaki/page/1BD34FBC-C0F9-44F5-AC69-520634334C61?ref_=ast_bln

[@EducacionCultura1992]

waooo, gracias por compartir esa sabiduria.

[@samuelsaldana1575]

Super Gracias

[@claytonjhordaniliquinzaval4719]

siempre que tengo una duda busco tus videos :D excelente trabajo.

[@carlosmachuca2723]

Excelente explicación, muchas gracias 👌🏼👌🏼👌🏼

[@CodigoMaquina]

@carlosmachuca2723 es todo un placer. Feliz año!!!

[@patriciamartinez-q6e]

El video más claro que he visto del tema💗

[@CodigoMaquina]

@user-wu8sf9eb4j muchas gracias y feliz año!!!

[@fernandocipriani2896]

Excelente explicación, muy clara.

[@CodigoMaquina]

Muchas gracias por tus comentarios y por seguir el contenido del canal :)

[@eduardoduran989]

Excelente contenido..! Me puedes ayudar con una ruta de aprendizaje de tus videos?? ya vi la lista dedicada a Python.. pero no se ahora si debo ver primero numpy o pandas, matplotlib.. Gracias de antemano :D aprendo mucho y rapido con tu contenido.. ya quiero alcanzar un nivel Jr en data science o mejor aun machine learning engineer

[@CodigoMaquina]

Gracias por tus comentarios. Estoy seguro que pronto estarás en el nivel que te propongas. Con respecto a la ruta de aprendizaje, al parecer ya lo tienes muy claro. Después de python general, sigue numpy, pandas y matplotlib (en ese orden). Gracias por seguir al canal :)

[@squevedo8524]

Excelente video!!

[@CodigoMaquina]

Muchas gracias :)

[@pruebastest7035]

Genio!!!

[@CodigoMaquina]

Muchas gracias pruebas test!!

[@msaretto]

👍sklearn tiene alguna libreria para ROC y visualizarla o hay que programar con matplolib alguna funcion para hacerlo? gracias y siguen siendo muy buenos tus video 👍

[@CodigoMaquina]

Gracias por tus comentarios y por la pregunta. Sklearn tiene la métrica, pero no tiene una función para graficarla, sin embargo, efectivamente se puede hacer 'fácilmente' con matplotlib. De hecho, la documentación oficial de sklearn tiene un ejemplo con todo y gráfica muy completo. Te recomiendo echarle un ojo al siguiente vínculo: scikit-learn.org/stable/auto_examples/model_selection/plot_roc.html

[@santiagolopez1877]

Entonces ROC nos sirve para ver que tan preciso es nuestro modelo ? Y así mismo comparar resultados con los demás?

[@nickeponer2626]

Una pregunta: he visto q para para comparar modelos utilizan el AUC, el tema es q he visto una vez q graficaban la curva roc utilizando predict, pero veo ahora que utilizan predict_proba, y el AUC de uno es 0.9 y con predict_proba da 0.95. Tengo varios modelos que comparar y queria saber que auc utilizar, o mejor dicho grafico con predict o con predict_proba????

[@CodigoMaquina]

Hola @nickeponer2626 gracias por la pregunta. Mi sugerencia es que utilices la implementación de la función para calcular el área bajo la curva ROC del lenguaje o librería que estés utilizando. Mientras sea de una librería conocida por ejemplo sklearn o tensorflow, obtendrás valores confiables.