Vídeos

Cinco ejemplos, cada uno de un estudio real: qué se predice, qué tipo de modelo es y qué motor gana.

Los vídeos son grabaciones reales del Studio, con un estudio de verdad; la voz es sintética y está en inglés, y llevan subtítulos.

• BinariaDuración 0:55

  ¿Está enfermo este árbol?

  Imágenes de satélite · clasificación binaria

  Cada fila es un grupo de píxeles de una imagen de satélite (4.839 filas, cinco columnas numéricas), y el modelo dice si son árboles enfermos o no, con su probabilidad. Compiten varios motores con los mismos datos y gana la red neuronal TabM de MatrixAI: AUROC 0,999 en la prueba reservada, que ningún motor vio al entrenar. Después el modelo se exporta como un servicio Docker y, en un terminal de verdad, se construye, se arranca y responde a una fila.

  Datos «Wilt»: Brian Johnson (2013), UCI Machine Learning Repository, https://doi.org/10.24432/C5KS4M, bajo licencia CC BY 4.0. Adaptado por OpenML (id 40983, v2): variables renombradas para ajustarse a la descripción; sin cambios en los datos.

• MulticlaseDuración 0:53

  ¿Qué dígito se ha escrito a mano?

  Escritura en una tableta · clasificación multiclase

  10.992 dígitos escritos a mano en una tableta, cada uno descrito por 16 números, y el modelo dice cuál de los diez es (del 0 al 9), con la probabilidad de cada uno. Es una clasificación multiclase. Gana la red neuronal TabM de MatrixAI, con exactitud 0,992 en la prueba reservada, y el Studio dice que su mejora frente al segundo mejor está demostrada.

  Datos «Pen-Based Recognition of Handwritten Digits» (pendigits): E. Alpaydin y Fevzi Alimoglu, UCI Machine Learning Repository, https://doi.org/10.24432/C5MG6K, bajo licencia CC BY 4.0. Disponible vía OpenML (id 32, v1).

• BinariaDuración 0:52

  ¿Fallará esta simulación climática?

  Modelos del clima · clasificación binaria

  540 simulaciones de un modelo climático, cada una con los 18 parámetros con que se lanzó, y el modelo dice si fallará o no, con su probabilidad. Es una clasificación binaria. Compiten varios motores y gana LightGBM, un modelo de árboles: AUROC 0,963 en la prueba reservada.

  Conjunto «Climate Model Simulation Crashes» de D. Lucas, R. Klein, J. Tannahill, D. Ivanova, S. Brandon, D. Domyancic y Y. Zhang (2013), UCI Machine Learning Repository, https://doi.org/10.24432/C5HG71, bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Adaptado por OpenML (id 40994, v4): se quitan las dos primeras variables (el lote del experimento) y el objetivo pasa a ser una categoría.

• RegresiónDuración 0:53

  ¿Cuánta delincuencia violenta tendrá un municipio?

  Datos de municipios de EE. UU. · regresión

  1.994 municipios de EE. UU. con 126 columnas socioeconómicas, y el modelo predice un número: la tasa de delitos violentos por habitante, en una escala de 0 a 1. Es una regresión. La red neuronal tenía la mejor media, pero sin el margen suficiente: es un empate, y el Studio entrega el árbol, LightGBM, que es el modelo más simple. Su error típico (RMSE) en la prueba reservada es 0,127.

  Conjunto «Communities and Crime» de Michael Redmond (La Salle University), UCI Machine Learning Repository, https://doi.org/10.24432/C53W3X, bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Adaptado por OpenML (id 42730, v2): se ha quitado el atributo `communityname`.

• BinariaDuración 0:52

  ¿Se recomendará este vestido?

  Ventas de moda · el desempate

  500 vestidos con 12 atributos (estilo, precio, temporada…), y el modelo dice si cada uno se recomendará, según sus ventas. Es una clasificación binaria, y enseña el desempate: la red neuronal tenía la mejor media, pero su ventaja sobre el mejor árbol no pasa del ruido, así que el Studio entrega el árbol (HGB), el modelo más simple. Es un conjunto difícil y la cifra se enseña tal cual: AUROC 0,578 en la prueba reservada.

  Conjunto «Dresses_Attribute_Sales» de Muhammad Usman y Adeel Ahmed (2014), UCI Machine Learning Repository, https://doi.org/10.24432/C56W3V, bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Adaptado por OpenML (id 23381): 500 filas frente a las 501 de la ficha actual de UCI (diferencia sin motivo publicado).