3. Selección y evaluación del modelo

• 3.1. Validación cruzada: evaluación del rendimiento del estimador
  • 3.1.1. Cálculo de métricas de validación cruzada
  • 3.1.2. Iteradores de validación cruzada
  • 3.1.3. Nota sobre la mezcla
  • 3.1.4. Validación cruzada y selección de modelos
  • 3.1.5. Puntuación de la prueba de permutación
• 3.2. Ajustar los hiperparámetros de un estimador
  • 3.2.1. Búsqueda exhaustiva en Cuadrícula
  • 3.2.2. Optimización Aleatoria de Parámetros
  • 3.2.3. Búsqueda de los parámetros óptimos con la reducción sucesiva a la mitad
  • 3.2.4. Tips para la búsqueda de parámetros
  • 3.2.5. Alternativas a la búsqueda de parámetros por fuerza bruta
• 3.3. Métricas y puntuación: cuantificar la calidad de las predicciones
  • 3.3.1. El parámetro scoring: definir las reglas de evaluación del modelo
  • 3.3.2. Métricas de clasificación
  • 3.3.3. Métricas de clasificación multietiqueta
  • 3.3.4. Métricas de Regresión
  • 3.3.5. Métricas de agrupamiento
  • 3.3.6. Estimadores de prueba
• 3.4. Curvas de validación: dibujar las puntuaciones para evaluar los modelos
  • 3.4.1. Curva de validación
  • 3.4.2. Curva de aprendizaje