La validación cruzada en el aprendizaje automático es una buena manera de evaluar un modelo utilizando validación cruzada. La función cross_val_score() se utiliza para obtener la validación cruzada del modelo. En cada iteración, el código crea un clon del clasificador, entrena ese clon con los pliegues de entrenamiento y realiza predicciones en el pliegue de prueba. Luego cuenta el número de predicciones correctas y muestra la proporción de predicciones correctas. Recuerda que la validación cruzada K-fold significa dividir el conjunto de entrenamiento en K pliegues (en este caso, tres). Luego se realizan predicciones y se evalúan en cada pliegue utilizando un modelo en los pliegues restantes.
La matriz de confusión en el aprendizaje automático es la matriz de contingencia cuadrada donde las filas y columnas corresponden a una lista de clases. Se utiliza para evaluar la precisión de la clasificación. A veces se le llama matriz de errores. Por definición, la entrada x e y en la matriz de confusión es el número de observaciones que realmente están en el grupo x, pero se predicen que están en el grupo y.
#aprendizajeautomático #validacióncruzada #matrizdeconfusión