<?xml version="1.0"?>
<rss version="2.0">
   <channel>
      <title>Educ IT - Clase 6 by Ing. Layla Scheli</title>
      <link>https://padlet.com/laylascheli/i8u88ci8o07asvsi</link>
      <description>Actividad Grupal - Colaborativa</description>
      <language>en-us</language>
      <pubDate>2021-11-03 12:13:31 UTC</pubDate>
      <lastBuildDate>2024-07-16 02:51:42 UTC</lastBuildDate>
      <webMaster>hello@padlet.com</webMaster>
      <image>
         <url></url>
      </image>
      <item>
         <title>Consigna</title>
         <author>laylascheli</author>
         <link>https://padlet.com/laylascheli/i8u88ci8o07asvsi/wish/1864410498</link>
         <description><![CDATA[<div>1. Investigar acerca de las diferentes metricas que existen para evaluar un modelo de Regresion.<br>2. Analizar usos y aplicaciones del R2 y el R-Ajustado.<br>3. Colaborar y debatir grupalmente.</div>]]></description>
         <enclosure url="" />
         <pubDate>2021-11-03 12:14:43 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/i8u88ci8o07asvsi/wish/1864410498</guid>
      </item>
      <item>
         <title></title>
         <author></author>
         <link>https://padlet.com/laylascheli/i8u88ci8o07asvsi/wish/1864432783</link>
         <description><![CDATA[]]></description>
         <enclosure url="https://padlet-uploads.storage.googleapis.com/1437697054/3105daebd250086432269ddac266390a/M_tricas_de_evaluaci_n_para_un_modelo_de_regresi_n_lineal.docx" />
         <pubDate>2021-11-03 12:24:14 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/i8u88ci8o07asvsi/wish/1864432783</guid>
      </item>
      <item>
         <title></title>
         <author></author>
         <link>https://padlet.com/laylascheli/i8u88ci8o07asvsi/wish/1864446644</link>
         <description><![CDATA[<div><strong>R cuadrado ajustado.</strong> Una mejora de R cuadrado. El problema de la métrica anterior es que cada vez que se añaden más variables independientes (o variables predictoras) al modelo, R cuadrado se queda igual o mejora, pero nunca empeora, lo que puede llegar a confundirnos, ya que, porque un modelo utilice más variables predictoras que otro, no quiere decir que sea mejor. R cuadrado ajustado compensa la adición de variables independientes. El valor de R cuadrado ajustado siempre va a ser menor o igual al de R cuadrado, pero esta métrica mostrará mejoría cuando el modelo sea realmente mejor.&nbsp;</div>]]></description>
         <enclosure url="" />
         <pubDate>2021-11-03 12:29:53 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/i8u88ci8o07asvsi/wish/1864446644</guid>
      </item>
      <item>
         <title>Métricas de regresiónrmse() rmse_vec()Error cuadrático mediorsq() rsq_vec()R-cuadradorsq_trad() rsq_trad_vec()R cuadrado - tradicionalmsd() msd_vec()Desviación media con signomae() mae_vec()Error absoluto mediompe() mpe_vec()Error porcentual mediomape() mape_vec()Error porcentual absoluto mediosmape() smape_vec()Error porcentual absoluto medio simétricomase() mase_vec()Error de escala absoluto medioccc() ccc_vec()Coeficiente de correlación de concordanciarpiq() rpiq_vec()Relación de rendimiento a intercuartilrpd() rpd_vec()Relación de rendimiento a desviaciónhuber_loss() huber_loss_vec()Pérdida de Huberhuber_loss_pseudo() huber_loss_pseudo_vec()Pérdida de Psuedo-Huberiic() iic_vec()Índice de idealidad de correlación</title>
         <author></author>
         <link>https://padlet.com/laylascheli/i8u88ci8o07asvsi/wish/1864448979</link>
         <description><![CDATA[]]></description>
         <enclosure url="" />
         <pubDate>2021-11-03 12:30:51 UTC</pubDate>
         <guid>https://padlet.com/laylascheli/i8u88ci8o07asvsi/wish/1864448979</guid>
      </item>
   </channel>
</rss>
