¿Puede la predicción conforme convertir un modelo de machine learning preciso en uno fiable?
Útil para
La predicción conforme (CP) añade a cada predicción un intervalo que cuantifica su incertidumbre, algo que las métricas globales como la precisión o el AUROC no ofrecen. El método sirve para regresión, modelos de boosting o bagging y redes neuronales, sin necesidad de paquetes especializados. El artículo remite a trabajos de Vovk et al. (2005) y de Angelopoulos y Bates (2022), además de un tutorial en Python.
Qué significa
Los equipos que entrenan modelos de ML pueden mostrar a directivos un rango de error para cada predicción, no solo cifras globales. Así resulta más fácil explicar hasta dónde se puede confiar en el modelo en cada caso concreto.
Fuentes originales
Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.
- Towards Data ScienceLeer la noticia completa en Towards Data Science