Diferencias

Muestra las diferencias entre dos versiones de la página.

--- informatica:machine_learning [2021/11/08 16:25] – [Terminología] tempwin
+++ informatica:machine_learning [2021/11/08 16:36] (actual) – [Evaluación] tempwin
@@ Línea 19: / Línea 19: @@
 A partir de un conjunto de datos sin clasificar/etiquetar, el algoritmo encuentra la estructura escondida en los datos.
 ===== Terminología =====
   * **Sample** (muestra): representación del objeto a tratar (email, transacción, conductores...)
   * **Feature**: características de la muestra (edad, sexo del conductor...)
-  * **Label** / **target**: resultado deseado asociado con la muestra de entrada (spam o no spam, sobrevivió o no sobrevivió)
+  * **Label** / **target**: resultado deseado (//ground truth//) asociado con la muestra de entrada (spam o no spam, sobrevivió o no sobrevivió)
   * **Training data**: conjunto de pares (muestra, etiqueta) utilizados para entrenar el modelo.
   * **Test data**: conjunto de muestras usado para realizar predicciones.
+===== Evaluación =====
+Matriz de confusión.
+Métricas:
+  * Acierto: (#TP + #TN) / total
+  * Precisión: #TP / (#TP + #FP)
+  * Recall: #TP / (#TP + #FN)
+La **precisión** nos indica cuánto de lo que hemos predicho es correcto y **recall** cuánto de lo que es correcto, lo ha predicho el algoritmo.
+En Python el módulo ''scikit-learn'' es muy usado para trabajar con aprendizaje supervisado. Ejemplo: https://github.com/bonzanini/VideoCourse-DataAnalysisPython/blob/master/notebooks/Video%204.3%20-%20Supervised%20Learning%20with%20scikit-learn.ipynb