No entiendo bien el concepto que transmite el profesor, si los clasificadores Dummy obtienen 52% de exactitud para el stratified y 58% para el most_frequent ¿porque indica que existe una mejora respecto al SVC() que muestra 76% de exactitud? Muchas gracias por su respuesta
¡Hola Juan!
Entiendo tu confusión. La razón por la cual el clasificador Dummy muestra una precisión más baja en comparación con el SVC es porque el DummyClassifier es un clasificador "bobo" que se utiliza como una línea de base para comparar el rendimiento de otros clasificadores más sofisticados.
El DummyClassifier genera predicciones aleatorias o basadas en la clase más frecuente en el conjunto de entrenamiento. Por lo tanto, su precisión puede ser baja en comparación con otros clasificadores más avanzados como el SVC.
En el caso del DummyClassifier con la estrategia "stratified", genera predicciones aleatorias basadas en la distribución de clases en el conjunto de entrenamiento. Esto puede resultar en una precisión baja, como el 52% que mencionas.
Por otro lado, el SVC es un clasificador de vectores de soporte que utiliza un enfoque más sofisticado para realizar predicciones. Puede aprender patrones más complejos en los datos y, por lo tanto, obtener una precisión más alta, como el 76% que mencionas.
Es importante tener en cuenta que la precisión no siempre es el único factor a considerar al evaluar un clasificador. Otros factores como el tiempo de entrenamiento, el costo computacional y la interpretabilidad también son importantes.
Espero que esto aclare tu duda. Si tienes alguna otra pregunta, no dudes en hacerla. ¡Estoy aquí para ayudarte!
Espero haber ayudado y ¡buenos estudios!
Entonces en este caso, el dummy classifier con strategy 'most_frequent' sería el mas adecuado para usar como baseline, ya que su accuracy es mayor que el dummy con strategy 'stratified' ?