Parte V · Machine Learning
16 · ¿Se puede predecir? Y las anomalías
Dos modelos contra la media
Se entrenan dos modelos, una regresión lineal y un bosque aleatorio, para predecir la satisfacción a partir del resto de variables, sobre las ventas válidas. La métrica es el R² sobre datos no vistos: 1 sería perfecto; 0, no explicar nada; por debajo de 0, peor que quedarse siempre con la media. Se compara contra una línea base que siempre predice la media.
Una regla de negocio comparada con un algoritmo que no la conoce
En la Parte III las anomalías las marcó una regla de negocio: cantidad fuera de 1-5 o precio fuera de catálogo. Para contrastarla se lanza IsolationForest sobre las 20.000 ventas registradas, sin decirle cuáles son. El algoritmo aísla lo que se aleja del resto mirando importe, cantidad y precio a la vez.
Siguiente: el cuadro de mando →
Qué se comprueba antes de dar por bueno un modelo
Esta página muestra que ningún modelo predice la satisfacción mejor que la media. Las páginas siguientes explican tres comprobaciones que evitan dar por bueno un resultado falso: separar los datos de entrenamiento y de prueba, buscar fugas de información y comparar con un modelo sencillo.