Ejercicios de Machine Learning

La variable target (y) es la que queremos predecir. Las demás variables son features (X) que el modelo usa para hacer la predicción.

Clasificación predice categorías discretas (spam/no-spam, gato/perro). Regresión predice valores continuos (precio, temperatura, cantidad).

Bias alto = underfitting (modelo demasiado simple). Varianza alta = overfitting (modelo memoriza el ruido). El objetivo es encontrar el punto medio.

Con clases desbalanceadas (ej: 99% normal, 1% fraude), un modelo que siempre predice "normal" tendría 99% accuracy pero sería inútil. Hay que mirar precision, recall, F1.