Jhan - REgularizacion

datadiversitylab · Sep 14, 2023 · 16d1c9e · 16d1c9e
1 parent a507436
commit 16d1c9e
Show file tree

Hide file tree

Showing 3 changed files with 5 additions and 2 deletions.
diff --git a/06-lmsreg.Rmd b/06-lmsreg.Rmd
@@ -113,10 +113,11 @@ El estadístico $R^{2}$ es uno de los métodos más utilizados para seleccionar
 $$R^{2} ajustado = 1 - \frac{RSS/(n-d-1)}{TSS/(n-1)}$$
 A diferencia de $C_{p}$, AIC y BIC que toman el mejor modelo que tengan en *menor* valor de error de prueba, un valor de $R^{2}$ ajustado *grande* indica el modelo con el error de prueba más bajo. Para el caso de $R^{2}$ ajustado es equivalente a maximizar $\frac{RSS}{n-d-1}$. Mientras que RSS decrece a medida que el número de variables aumenta, $\frac{RSS}{n-d-1}$ puede que incremente o disminuye debido a la presencia de *d* en el denominador. A diferencia del estadístico $R^{2}$, el estadístico $R^{2}$ ajustado  *paga un precio* por incluir variables innecesarias en el modelo.
 
-
 #### Validación y validación cruzada
 
+Otra alternativa para los métodos que vimos anteriormente, donde podemos estimar directamente el error de prueba es usando un conjunto de validación o la validación cruzada. Con cualquiera de estos dos métodos podemos calcular el error para cada uno de los modelos, y luego seleccionar el mejor modelo para el cual el estimado para el error de prueba es el más pequeño. 
 
+Cuando se hace el conjunto de validación o la validación cruzada,  
 
 ## Métodos de contracción (Cristian)
 

diff --git a/docs/search_index.json b/docs/search_index.json
diff --git a/docs/selección-de-modelos-lineares-y-regularización.html b/docs/selección-de-modelos-lineares-y-regularización.html
@@ -347,6 +347,8 @@ <h5><span class="header-section-number">6.1.3.1.4</span> <span class="math inlin
 </div>
 <div id="validación-y-validación-cruzada" class="section level4 hasAnchor" number="6.1.3.2">
 <h4><span class="header-section-number">6.1.3.2</span> Validación y validación cruzada<a href="selección-de-modelos-lineares-y-regularización.html#validación-y-validación-cruzada" class="anchor-section" aria-label="Anchor link to header"></a></h4>
+<p>Otra alternativa para los métodos que vimos anteriormente, donde podemos estimar directamente el error de prueba es usando un conjunto de validación o la validación cruzada. Con cualquiera de estos dos métodos podemos calcular el error para cada uno de los modelos, y luego seleccionar el mejor modelo para el cual el estimado para el error de prueba es el más pequeño.</p>
+<p>Cuando se hace el conjunto de validación o la validación cruzada,</p>
 </div>
 </div>
 </div>