Interpretación de medidas de exactitud para árbol de clasificación.Me gustaría saber si la tasa de clasificación errónea que estoy obteniendo es aceptable. ¿Qué rangos se consideran aceptables? ¿Cómo relaciono esta tasa con los resultados de la matriz de confusión? En esencia, estoy tratando de evaluar y explicar mis resultados. Además, ¿cómo puedo saber si los resultados de la curva de elevación que estoy obteniendo también son aceptables? ¿Hay un rango, que puede considerarse aceptable o bueno?
Re: Interpretación de medidas de exactitud para árbol de clasificación.Hola,
No hay una respuesta única a tu pregunta. Las preguntas que usted haga dependerán de sus circunstancias. Por ejemplo, compare las tasas de clasificación errónea de comercialización con las tasas de clasificación errónea médica. Lo que es aceptable en esos dos campos va a ser muy diferente. Además, en algunas aplicaciones, la tasa de errores de clasificación general puede ser la métrica clave, mientras que en otros casos puede estar más concentrado en solo una parte de los resultados de su matriz de confusión. Por ejemplo, considere la medicina, el riesgo de clasificar erróneamente a un sujeto negativo suele ser diferente del riesgo de clasificar erróneamente a un sujeto positivo (proporcionar un tratamiento que no es necesario y no proporcionar el tratamiento necesario). Tienes que tomar tus estadísticas y ponerlas en el contexto de tus preguntas, luego interpretar.
