La curva ROC (Receiver Operating Characteristic) se utiliza para evaluar el rendimiento de los algoritmos de clasificación binaria, es decir, entre dos clases o categorías (1 o 0, Verdadero o Falso, etc.). La curva ROC proporciona una representación gráfica, en lugar de un valor único como la mayoría de las otras métricas.

*Esta publicación es una adaptación al español de la publicación Understanding the ROC Curve and AUC original del blog https://towardsdatascience.com/. Agradezco muchísimo al autor su labor al escribirla y al blog el mantenerla publicada, así como el poderla tomar prestada para publicarla aquí. 

Sigue leyendo «Entendiendo la curva ROC y el AUC: Dos medidas del rendimiento de un clasificador binario que van de la mano.» →

Estarás de acuerdo que una de las habilidades más destacadas en ciencia de datos es la capacidad de predecir series temporales de valores. Predecir el valor futuro de algo contribuye a tomar mejores decisiones. Por lo tanto, es crucial estar seguro de que dicha predicción sea de confianza. La elección, construcción e interpretación de las métricas de evaluación de rendimiento para las predicciones realizadas son tan importantes como hacer las propias predicciones.

*Esta publicación es una adaptación al español de la publicación Forecast evaluation statistics with examples in Python original del blog https://towardsdatascience.com/. Agradezco muchísimo al autor su labor al escribirla y al blog el mantenerla publicada, así como el poderla tomar prestada para publicarla aquí. 

Sigue leyendo «Métricas de evaluación de rendimiento para predicciones de series temporales» →