Validación que se puede ver, tocar y discutir.
La ruta transforma conceptos abstractos en decisiones observables: qué significa “dato nuevo”, cómo rotan los folds, dónde aparece el leakage, cómo cambia la estabilidad y por qué la métrica elegida debe representar el costo del error.
generalización y mecánica
clases, grupos y tiempo
leakage, overfit, estabilidad
tuning y Nested CV
métrica y readiness
Train · Validation · Test
Por qué train, validation y test cumplen funciones distintas.
Abrir laboratorio →Hold-out vs. K-Fold
Sensibilidad a una única partición frente a una distribución de scores.
Abrir laboratorio →K-Fold Visual Laboratory
Rotación de folds, score por iteración y promedio acumulado.
Abrir laboratorio →¿Cuántos folds elegir?
Compromiso entre sesgo, varianza, tamaño de muestra y costo.
Abrir laboratorio →Stratified K-Fold
Preservación de clases cuando el target está desbalanceado.
Abrir laboratorio →GroupKFold y leakage por identidad
Separar entidades completas: clientes, pacientes, empresas.
Abrir laboratorio →TimeSeriesSplit
Validar futuro con pasado, incluyendo horizonte y gap temporal.
Abrir laboratorio →Data Leakage Laboratory
Cómo una transformación fuera del fold infla artificialmente el score.
Abrir laboratorio →Overfitting y Cross-Validation
Brecha train-CV y complejidad como señales de sobreajuste.
Abrir laboratorio →Repeated K-Fold
Distribuciones de desempeño para estudiar estabilidad e incertidumbre.
Abrir laboratorio →CV + Hyperparameter Tuning
Búsqueda de hiperparámetros sin elegir por rendimiento de train.
Abrir laboratorio →Nested Cross-Validation
Separar tuning interno de estimación externa de generalización.
Abrir laboratorio →Métricas y estabilidad entre folds
La métrica correcta depende del error que cuesta en el negocio.
Abrir laboratorio →Cross-Validation Business Lab
Integrar split, métrica, estabilidad y umbral operativo.
Abrir laboratorio →