Evaluar modelos: exactitud y error
Un modelo entrenado no sirve de nada hasta que puedes decir lo bueno que es. La nota adecuada depende de lo que estés prediciendo.
Clasificación: exactitud
Cuando la etiqueta es una categoría (spam o no, especie A/B/C), la nota más sencilla es la exactitud (accuracy): la fracción de predicciones que fueron correctas.
from sklearn.metrics import accuracy_score
acc = accuracy_score(y_true, y_pred) # e.g. 0.875 means 7 of 8 rightLa exactitud va de 0 a 1. Pero "bueno" es relativo. Si el 95 por ciento del correo no es spam, un modelo perezoso que siempre adivina "no es spam" ya saca 0.95 sin pillar ningún spam. Compara siempre con ese tipo de referencia ingenua antes de celebrar una cifra.
Regresión: error
Cuando la etiqueta es un número continuo (un precio, una temperatura), la exactitud no tiene sentido: casi nunca predecirás el valor exacto. En su lugar mides cuánto te desviaste. Una elección habitual es el error absoluto medio (MAE), el tamaño medio del fallo:
from sklearn.metrics import mean_absolute_error
mae = mean_absolute_error(y_true, y_pred) # in the same units as yEl MAE está en las propias unidades de la etiqueta, lo que lo hace fácil de leer: un MAE de 12 en precios de viviendas en miles significa que te desvías unos 12 000 de media. Cuanto más bajo, mejor, y 0 es perfecto.
Vas a calcular los dos: una exactitud a partir de unas predicciones dadas, y un MAE a partir de una pequeña regresión lineal ajustada a una línea perfectamente recta (así que su error debería ser prácticamente cero).
Parte 1: tienes los arrays y_true e y_pred (8 etiquetas cada uno, que difieren exactamente en una posición). Asigna acc = accuracy_score(y_true, y_pred). Parte 2: X y target describen la línea y = 2x. Entrena con ellos un LinearRegression llamado reg, predice sobre X en reg_pred y luego asigna mae = mean_absolute_error(target, reg_pred).
¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección
Este ejercicio se abre pronto
Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.
Este navegador está bloqueando las cookies de learn.floati.life, así que las lecciones que terminaste aquí no se pueden abrir en orden. Permite las cookies de este sitio y recarga.