- Bloque 16 — Todas las métricas de regresión
- Objetivo
- establecer formalmente que el coeficiente de determinación no puede
decrecer nunca cuando se añade una variable explicativa a un modelo por
mínimos cuadrados, y deducir de ello que es inadecuado para comparar modelos de
complejidad distinta; definir con rigor el coeficiente de determinación
ajustado, demostrar su mecanismo de penalización y establecer la condición exacta
de su aumento; definir el criterio de información de Akaike y el criterio
de información bayesiano, comparar la severidad de sus penalizaciones y
caracterizar sus propiedades respectivas de eficiencia y de consistencia;
fijar la posición metodológica del curso según la cual todos estos criterios son
sustitutos dentro de muestra de una evaluación fuera de muestra; saber leer
íntegramente la salida de regresión de statsmodels e implementar las
cantidades que faltan del lado de scikit-learn.
- Duración estimada
- 60 minutos
- Prerrequisitos
- capítulos 025 (selección de variables), 026 (partición
entrenamiento / validación / prueba), 028 (fuga de datos), 031 (sobreajuste),
034 (validación cruzada), 044 (regresión lineal), 045 (regresión múltiple),
047 (Ridge, Lasso, ElasticNet), 068 (MSE), 069 (RMSE), 071 (coeficiente de
determinación)
- Quizzes asociados
072.1-quiz-croissance-mecanique-r2.md a
072.7-quiz-implementation-statsmodels.md