Unidad 6 · Integrar y rendirClase 22 de 23
Clase 22 · Transferencia: ¿qué problema tengo delante?
Objetivo. Ante un problema nuevo, identificar qué concepto aplica y proponer el procedimiento para resolverlo.
prerrequisitoslas clases anteriores
habilitaninguna
tiempo estimado~5 min
Ficha Bloom · Crear
- Evidencia de aprendizaje: Resuelve un problema de otro dominio descubriendo qué concepto aplica, sin que se lo nombren.
- Actividad final: Recorrer el triaje con tres problemas nuevos. El simulacro final integrado está pendiente de construir.
- Criterio de dominio: Identifica bien el tipo de problema y la validación adecuada en tres casos de dominios distintos.
Activación. Te dan un problema de otro dominio que nunca viste. ¿Cuál es la primera pregunta que te haces? Escribe tu respuesta antes de seguir: la retomas en el cierre.
¿Qué tipo de problema tengo delante?
El paso que va antes de todos los demás.
Fundamentos de Ciencia de Datos · UdeC
La mayoría de los errores en una prueba no vienen de calcular mal. Vienen de resolver el problema equivocado: aplicar validación cruzada donde correspondía un corte temporal, usar exactitud donde correspondía F1, o tratar como modelamiento algo que era limpieza.
Esta página entrena eso: reconocer, antes de resolver.
1 · ¿En qué etapa del ciclo estoy?
«El ciclo de la ciencia de datos comienza con un requerimiento pregunta […] Y como siempre
decimos la flechita ⟨apunta⟩ a los dos lados porque a veces uno
está modelando […] y tiene que volver a explorar los datos.»
Clase del 7-ago · 0:00:43–0:01:17 · profesor ·
[FUENTE · Repo: 05_CLASES/transcripciones/2026-08-07T22_14_16Z_Fundamentos_en_Ciencia_de_Datos.md]
⟨⟩ = corrección de transcripción [INFERENCIA]: el ASR dice «para nace»
⟨⟩ = corrección de transcripción [INFERENCIA]: el ASR dice «para nace»
Pulsa una etapa para ver qué se hace ahí y qué no:
Pulsa una etapa del ciclo.
La confusión más común: limpieza frente a modelamiento.
Si estás decidiendo qué hacer con un dato que falta o está mal, es limpieza. Si estás decidiendo qué algoritmo usar o qué tan complejo hacerlo, es modelamiento. Excluir una columna puede ser cualquiera de las dos: si la excluyes porque está sucia, es limpieza; si la excluyes porque mete ruido en el modelo, es modelamiento.
Si estás decidiendo qué hacer con un dato que falta o está mal, es limpieza. Si estás decidiendo qué algoritmo usar o qué tan complejo hacerlo, es modelamiento. Excluir una columna puede ser cualquiera de las dos: si la excluyes porque está sucia, es limpieza; si la excluyes porque mete ruido en el modelo, es modelamiento.
2 · Triaje: responde y te digo qué tienes
3 · La tabla que resuelve la mayoría de los casos
| Si te piden… | Es… | Porque el target es… | Se mide con |
|---|---|---|---|
| El precio de una casa | Regresión | Un número continuo | MAE, RMSE, R² |
| Horas que tardará una entrega | Regresión | Un número continuo | MAE, RMSE, R² |
| Si un correo es spam | Clasificación binaria | Dos categorías | Matriz, precision, recall, F1, AUC |
| Si una galaxia es espiral, elíptica o ambigua | Clasificación multiclase | Tres categorías | F1-macro, matriz |
| Agrupar clientes parecidos, sin etiquetas previas | Segmentación | No hay target | Silueta, inercia |
| Calidad del material: baja, media o alta | Clasificación multiclase | Tres categorías ordenadas | F1-macro, matriz |
La trampa de los números que no son números. Si las clases se
llaman
1, 2, 3, siguen siendo categorías.
Un target numérico no hace que el problema sea regresión: lo que importa es si
los valores intermedios significan algo. Entre «espiral» y «elíptica»
no hay un 1,5.
4 · ¿Cómo valido?
Segunda decisión que se equivoca seguido, y depende de una sola pregunta:
| ¿Los datos tienen orden temporal? | Entonces | Por qué |
|---|---|---|
| No — cada fila es independiente | Validación cruzada k-fold, con mezcla | Aprovecha todos los datos y da una estimación estable |
| Sí — hay fechas y vas a predecir el futuro | Corte temporal: entrenar con el pasado, evaluar en el futuro | Mezclar filtra información del futuro al entrenamiento |
| Sí, y además quieres elegir modelo | CV dentro del período de entrenamiento, y el futuro intacto | Elegir mirando el test lo quema |
Tu propio proyecto es el ejemplo. Melbourne tiene fechas, así
que el corte es temporal: entrenas con 2016, evalúas en 2017. Y dentro de 2016
hiciste validación cruzada para elegir el modelo sin tocar 2017.
La versión que guardaste en
La versión que guardaste en
99_ARCHIVO/_obsoleto_split_aleatorio/
usó split aleatorio y anunciaba «81 % Precisión». Un número más alto midiendo
mal.
5 · El procedimiento, para el papel
ANTE CUALQUIER PROBLEMA, EN ESTE ORDEN
1. ¿QUÉ ME PIDEN? predecir · describir · agrupar · decidir
2. ¿HAY TARGET? no → segmentación, y se acabó
3. ¿EL TARGET ES…? número continuo → REGRESIÓN
categoría → CLASIFICACIÓN
4. ¿CUÁNTAS CATEGORÍAS? dos → binaria · tres o más → multiclase
5. ¿HAY ORDEN TEMPORAL? sí → corte temporal · no → k-fold
6. ¿LAS CLASES ESTÁN…? equilibradas → exactitud sirve
desbalanceadas → F1, y decir por qué
7. ¿QUÉ MÉTRICA? la que corresponde al tipo, no la que recuerdo
8. RECIÉN AHORA calcular
Los pasos 1 a 6 no requieren calcular nada. Son lectura del
enunciado. Si los haces siempre, dejas de resolver el problema equivocado — que
es el error caro.
6 · Errores de triaje que el formato castiga
| Error | Cómo se ve |
|---|---|
| Tratar clases numéricas como regresión | Proponer MAE para predecir «1, 2 o 3» |
| Split aleatorio con datos temporales | Métrica optimista que no mide lo que importa |
| Exactitud con clases desbalanceadas | Un modelo que no detecta nada parece excelente |
| Confundir limpieza con modelamiento | Justificar una exclusión con el argumento equivocado |
| Elegir el modelo mirando el test | Ya no queda estimación honesta del error |
| Usar validación cruzada como si fuera una métrica | «El CV dio 0,8» — CV es un método, no un número que se reporta |
Cierre de la Clase 22 · Transferencia: ¿qué problema tengo delante?
Qué aprendiste
- El primer paso ante un problema nuevo es clasificarlo: ¿qué se predice y cómo se validará?
- Reconocer la estructura es lo que permite transferir: el árbol de 45 cm y el agrónomo de 1.200 mm son el mismo problema.
Qué no debes confundir
- Un problema nuevo ≠ un concepto nuevo: casi siempre es uno que ya viste en otro dominio.
Procedimiento para el papel
- ¿Cuál es el target? ¿Es un número o una categoría?
- ¿Hay orden temporal? Eso decide la validación.
- ¿Las clases están balanceadas? Eso decide la métrica.
- ¿Se pide predecir fuera del rango? Eso es extrapolación.
Viene de: Clase 21 · Distinciones del Certamen 2 · Sigue: Clase 23 · Distinciones del Certamen 3
Vuelve a tu activación: Te dan un problema de otro dominio que nunca viste. ¿Cuál es la primera pregunta que te haces? ¿Cambiarías tu respuesta?
Pregunta final. Una clínica quiere predecir qué pacientes faltarán a su hora, con registros de dos años. ¿Qué tipo de problema es y cómo lo validarías?
Continuar → Clase 23 · Distinciones del Certamen 3
Respuesta correcta y cómo se resuelve
Clasificación binaria (falta o no falta). Hay orden temporal, así que se valida entrenando con el pasado y midiendo en el período más reciente; y como las faltas suelen ser minoría, se evalúa con precisión, recall o F1 en vez de exactitud. [DATITO]
El cierre es una síntesis de la clase [DATITO]: cada afirmación tiene su fuente en el cuerpo de este visual. Fuente del cierre: 07_DATITO/clases.yaml.