[2021] Modelado estadístico: la guía pragmática {DH}

19 de octubre de 2019·Leer 10 minutos

Parte 2: Interpretación de modelos de aprendizaje automático

Continuación de nuestra serie de artículos sobre interpretación de algoritmos y predicciones de aprendizaje automático.

Parte 0 (opcional): ¿Qué es la ciencia de datos y el científico de datos?
Parte 1 – IntroducciónEllaAcción por la interpretabilidad
Parte 1.5 (opcional): una breve historia de las estadísticas (puede ser útil para comprender esta publicación)
Parte 2 – (esta publicación) Interpretación de modelos de alto sesgo y baja varianza. Regresiones lineales.
Parte 3 – Interpretación de modelos de bajo sesgo y alta varianza.
Parte 4: ¿es posible resolver el compromiso entre sesgo y varianza?
Parte 5 – Métodos de interpretabilidad local.
Parte 6 – Métodos de interpretabilidad global. ¡Por fin abre la caja negra con Shapley!

En este artículo, nos enfocamos en interpretar modelos de alto sesgo y baja varianza. Como explicamos en la publicación anterior, estos algoritmos son los más fáciles de interpretar, por lo que asumen varios supuestos en los datos. Vamos a escoger …

Seguir leyendo:
[2021] Modelado estadístico: la guía pragmática {DH}

Dejar un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *