Para comprender las mediciones que se utilizan para ajustar la transformación de machine learning, debe estar familiarizado con la siguiente terminología:
- Verdadero positivo (VP)
-
Una coincidencia en los datos que ha encontrado la transformación correctamente. Se denomina a veces "acierto".
- Verdadero negativo (VN)
-
Una no coincidencia en los datos que la transformación ha rechazado correctamente.
- Falso positivo (FP)
-
Una no coincidencia en los datos que la transformación clasificó erróneamente como una coincidencia, que, en ocasiones, se denomina falsa alarma.
- Falso negativo (FN)
-
Una coincidencia en los datos que la transformación no encontró. Se denomina a veces "fallo".
Para obtener más información sobre la terminología que se utiliza en el machine learning, consulte Confusion matrix (Matriz de confusión)
Para ajustar sus transformaciones de machine learning, puede cambiar el valor de las siguientes mediciones en la sección de propiedades avanzadas de la transformación.
-
Precisión mide qué tan bien la transformación encuentra verdaderos positivos entre el número total de registros que identifica como positivos (verdaderos positivos y falsos positivos). Para obtener más información, consulte Precisión y exhaustividad
en Wikipedia. -
La exhaustividad mide la facilidad con la que de la transformación encuentra verdaderos positivos en los registros totales en los datos de origen. Para obtener más información, consulte Precisión y exhaustividad
en Wikipedia. -
Laexactitud mide la facilidad con la que la transformación encuentra verdaderos positivos y verdaderos negativos. El aumento de la exactitud requiere más recursos informáticos y costos. Sin embargo, también genera una mayor exhaustividad. Para obtener más información, consulte Precisión y exactitud
en Wikipedia. -
El costo mide la cantidad de recursos informáticos y, por lo tanto, dinero, necesario para ejecutar la transformación.
