El R cuadrado ajustado mide lo bien que un modelo de regresión explica la variación de los datos, corrigiendo por el número de variables predictoras. El R cuadrado simple aumenta con cada variable añadida, aunque no aporte nada; la versión ajustada penaliza las variables innecesarias. Así se comparan de forma más justa modelos de distinto tamaño, por ejemplo una previsión de ventas con tres factores en lugar de diez.
Agentes, flujos y plantillas en un solo espacio de trabajo – demo gratuita de 24 horas.
Iniciar demoLa regresión lineal es un método estadístico que describe la relación entre una variable objetivo y una o varias variables explicativas mediante una recta o un plano. Los coeficientes suelen elegirse de forma que se minimice la suma de las desviaciones al cuadrado. Es fácil de entender e interpretar: por ejemplo, permite estimar cuánto aumentan las ventas si subes el presupuesto publicitario en 1.000 euros. Con relaciones no lineales muestra sus límites.
El sobreajuste (overfitting) se produce cuando un modelo memoriza los datos de entrenamiento, incluidos el azar y el ruido, en lugar de captar patrones de validez general. Parece muy preciso con los datos conocidos, pero da malos resultados con datos nuevos. Una señal típica es una gran diferencia entre el error de entrenamiento y el de prueba. Las contramedidas son más datos o datos más variados, modelos más sencillos, regularización, dropout y validación cruzada.
El error absoluto medio (Mean Absolute Error, MAE) indica cuánto se desvían de media las predicciones de un modelo respecto a los valores reales, sin importar la dirección. Se expresa en la unidad de la variable objetivo, por lo que es fácil de entender. Ejemplo: un MAE de 12 en una previsión de ventas diarias significa que el modelo falla, de media, por 12 unidades. Da menos peso a los valores atípicos que el error cuadrático.
La regularización agrupa técnicas que impiden que un modelo se ajuste demasiado a sus datos de entrenamiento (sobreajuste). Por ejemplo, se penalizan los pesos demasiado grandes (regularización L1 o L2), se desactivan neuronas al azar (dropout) o se detiene el entrenamiento a tiempo (early stopping). El objetivo es un modelo más sencillo que funcione mejor con datos nuevos, aunque obtenga algo menos de acierto con los datos de entrenamiento.
