INVESTIGACIÓN MSE

Jonathan Steven Flores Cabrera

18/12/2020

Instituto superior Benito Juárez

Desarrollo de software

Tendencias actuales de la programación

 Resumen

La presente investigación se basa sobre el error Cuadrático Medio dentro del machine

learning, y en qué aspectos predomina esta metodología, y de qué manera funciona teniendo en

cuenta que generalmente se centra en la (regresión lineal), estimando los datos que tenemos en

un modelo funcional de esta manera debemos tener en cuenta cuales son los aspectos que

debemos tener al momento de los posibles usos de cifras o algoritmos.

Se realizó una revisión sobre el tema a investigar y cuáles son los puntos estratégicos en el

uso dentro del machine learning, cuáles son sus puntos fuertes y débiles, para observar cómo se

aplica funcionalmente refiriéndose a la metodología otorgada por el MSE.

Introducción

Se ha dicho mucho con respecto a aprendizaje automático ya que ha sido uno de los mayores

avances en aspectos tecnológicos y el MSE es un ejemplo muy claro que va a la par de esta

técnica, la cual se refiere a la regresión lineal ya que esta es una de las técnicas más simples, la

cual hace que sea más factible el hecho de calcular datos y sus medidas de error ya que de esta

manera se puede apreciar la forma que tiene el MSE y todas las variables de Cambio posibles, ya

que al ser este un modelo para la amplificación de errores en base a un cálculo de cuadros de

error hace que el uso del machine learning.[ CITATION Jos20 \l 3082 ]. Este genera modelos de

predicción mucho más factibles referidos a un modelo de medida, teniendo claro estos

parámetros se puede tener en cuenta cuales son las formas de medida del MSE.

Desarrollo

En la actualidad, nos encontramos en esta interacción entre humano máquina y el hecho de

encontrar un método que se acople al aprendizaje automatizado.[ CITATION Jos20 \l 3082 ].

Usando una serie de algoritmos que se encuentran supervisados, necesitan de una interacción

para poder aprender de todos sus errores y este proceso entre más rápido se realice mejor.

Teniendo en cuenta cierto tipos de algoritmos como es la gradiente la cual se encuentra en el

MSE y se encarga de encontrar una mejor solución y sobre todo que sea mucho más efectiva.

[ CITATION Jos20 \l 3082 ]. Así de esta manera el MSE se utiliza o suele emplearse durante

todo el proceso de aprendizaje autónomatico.

En este punto teniendo claro el cálculo de errores o si queremos tomarlo de una manera más

científica el cálculo del error cuadrático medio en referencia al machine learning.[ CITATION

And18 \l 3082 ].Se puede visualizar cuales son las normas y algoritmos usados en una manera

mucho más aplicada al tema de programación.

De esta manera se tiene referencia a las funciones que pueden ser calculadas en Python,

utilizando una serie de algoritmos y librerías tales como scikit-learn, o si queremos ser más

directos al momento de un módulo como lo es sklearn.metric.[ CITATION And18 \l 3082 ]. Se

puede entender que se implementa un tipo de función que por lo general necesita de dos

argumentos y_true: que se generaliza a los valores correctos y y_pred: que es una muestra de

predicción.

De esta manera se pude extender que usando herramientas o procedimientos que sean

generadas no tanto en una serie de algoritmos, sino que también puedan tornarse para el

aprendizaje automatizado.[ CITATION And18 \l 3082 ]. No obstante, se puede dar un criterio de

evaluación que se centre en los problemas de aprendizaje supervisado de regresión.

Conclusión

Al tener en cuenta que aspectos y referencias pueden ser tomados para el uso de este método

no solo en el aspecto del machine learning, podemos optar por el MSE tanto en funcionalidad de
aprendizaje automático, haciendo constancia de una base de algoritmos sumamente funcional al

momento del cálculo de errores.

Bibliografía

Heras, J. M. (10 de 10 de 2020). iartificial. Obtenido de https://www.iartificial.net/error-

cuadratico-medio-para-regresion/

Norén, A. (27 de 8 de 2018). sitiobigdata. Obtenido de

https://sitiobigdata.com/2018/08/27/machine-learning-metricas-regresion-mse/#