Evaluación del modelo

Ahora que hemos creado nuestro primer modelo, queremos evaluarlo en nuestro dataset de prueba. Para esto, BigML usará el modelo recién construido para usarlo como modelo de predicción en el 20 % de los datos de prueba.

Función de evaluación del modelo

BigML le pide que marque el modelo que se ha de usar (columna izquierda) y el dataset para aplicarlo (columna derecha). En esta etapa, es útil cambiar el nombre de la evaluación para darle uno más personal y que nos permita distinguir nuestras diferentes pruebas.

Pantalla de configuración de la evaluación

Tras comparar los resultados de su predicción con la realidad del conjunto de pruebas, BigML nos proporciona una matriz de confusión y varios indicadores propios de la data science, como el índice de accuracy o la precisión.

Evaluación del modelo

Tenga cuidado de elegir la clase determinada como «positiva» en la parte superior de la matriz de confusión. Dependiendo de si está solicitando evaluar (por lo tanto, predecir correctamente) el número de mujeres con diabetes (Positive class = TRUE) o al revés (Positive class = FALSE), el significado de «falso positivo» y «falso negativo» será diferente.