tv.um.es

Este último vídeo del tema 5. Vamos a ver cómo podemos validar los resultados de una interpretación, es decir, hacernos una idea de la magnitud del error que podemos estar cometiendo. El error estándar de la televisión lineal nos daba una estimación del error, pero ésta sólo es fiable si se cumplen los supuestos de la regresión. Los procedimientos que vamos a ver ahora valen para cualquier método de interpelación y, además son independientes de los supuestos. La forma más clásica de validación consiste en dividir. El conjunto de puntos de muestreo que tenemos para interponer en su conjunto uno que presenta como puntos azules lo utilizaremos para interponer del otro, que estará presentado con puntos rojos. Lo utilizaremos para validar de esta manera los puntos de obligación. Vamos a obtener una estimación de z y tenemos seis puntos de validación. Como veis, en cada uno de ellos tenemos el valor real, porque al fin y al cabo su puesto es un punto de muestreo y conocemos cuál era real, pero también cómo estos valores no los hemos utilizado para hacer el modelo de interpretación podremos utilizarlos. Para estimar cuál es el estimado por el modelo de receta. Estimado por el modelo en este punto que lo tendríamos aquí conocemos el valor estimado. Podemos tener una estimación del error, el error cometido, las estimaciones del error, podemos obtener diversos estadísticos, como el error, sea la medida de los errores, el error, que sería agradezco a la suma de los errores, pero la escuadra de los errores o cuadrado o el coeficiente de correlación entre valores, reales y estimados si utilizamos el mismo, procede este mismo procedimiento con diferentes métodos de interpretación. Podríamos quedarnos al final con el que tuviera errores, con el que tuviera un menor error de estimación y lo consideraríamos como el mejor modelo de interpretación. Para este conjunto de datos, una precaución importante es que los puntos del conjunto de interpelación del conjunto de la liquidación no deben mezclarse nunca, es decir, que si utilizamos, por ejemplo este punto para validar el modelo de interpelación que con el que vayamos a hacer, la estimación para este mismo punto no debería incluir lógicamente ese dato entre esos puntos de muestreo. El problema que tiene este método es que si destinamos parte de los puntos de interpretación, el modelo de interpretación de la calidad, del mismo modo la estimación del error que hacemos es validar, será más fiable, cuantos más puntos tenemos, con lo cual estamos ante una dicotomía aparentemente irresoluble. La solución va a ser hacer validación cruzada. Esta variación cruzada en cada uno de los puntos de la muestra calculamos el error de estimación a partir del resto de los puntos, en definitiva, que consiste en estimar z para cada punto de muestreo a partir de un modelo que utilice todos los demás puntos de muestreo. De este modo utilizamos todos los puntos para interponer, pero, al mismo tiempo utilizamos todos los puntos. Para variar, conseguiremos así una mejor muestra de errores de estimación y de nuevo buscaría la técnica de interpelación con menor error. De estimación es un poco como se hace. Tendríamos el conjunto de Interpol de ciertos puntos de conjunto de muestreo. Todos nuestros puntos de muestreo y. Tendríamos un único punto para variar una vez que hemos seleccionado este punto, este punto apartamos de la muestra y tenemos un modelo de población con todo lo demás puntos, y con ese modelo estimamos la variable z en este punto. De esta manera tendremos que valorar el valor estimado. En un segundo paso cambiaríamos el punto de variación. En vez de utilizar este y hacemos lo mismo, hemos un modelo de interpretación con todos los puntos y ese modelo lo utilizamos para estimar el valor de la meta. En este punto, con lo cual tenemos de nuevo una estimación del valor real, con lo cual tenemos también una estimación de esto lo vamos haciendo con todos los puntos, después de hacerlo con cada uno de los puntos obtendría, hemos dicho que quisiéramos tener medio en medio del medio de correlación, etc. El inconveniente que tiene la variación cruzada es que tenemos que hacer un modelo, porque a punto de muestreo, y si se trata de un modelo un poco lento, por ejemplo, que dado que puede ser un poco más lento, a lo mejor que la regresión lineal o algún modelo de aprendizaje automático todavía más lento. Modelo lento, por todo el proceso se puede hacer muy pesado. La solución en este caso sería, en lugar de uno a uno los puntos de muestreo que cada grupo de validación y validar cada grupo por separado de este modo solamente tendríamos que a modelos diferentes. Con esto termine el último vídeo del tema de interpelación, pues con las dudas respecto a los métodos de interpretación y la validación, pues después otro tratando de resolver esos problemas, así que nada, pero en la próxima sesión de dudas y también, como sabéis todos los que podéis tener podréis mandar un correo hasta luego, cuidarlos.