A diferencia de los otros métodos de evaluación de performance, como por ejemplo Performance (Classification), Performance (Binominal Classification) o Performance (Regression), este operador se puede utilizar para todo tipo de tareas de aprendizaje. Determinará automáticamente el tipo de tarea de aprendizaje y calculará los criterios más comunes para este tipo.
Para realizar cálculos de performance más sofisticados, debe utilizar los operadores anteriormente mencionados. Si ninguno de ellos se adapta a sus necesidades, usted podría escribir su propia medida de performance y calcularla con Performance (User-Based).
Este operador espera un Conjunto de Ejemplos de prueba como entrada, que contenga un atributo con el rol label (etiqueta) y otro con el rol prediction (predicción). Consultar el operador Set Role para más detalles.
Sobre la base de estos dos atributos se calcula un Vector de Performance, que contiene los valores de los criterios de performance. Si un Vector de Performance fue alimentado en la entrada performance, sus
valores se mantienen si no contiene nuevos criterios. De lo contrario, los valores son promediados con los valores antiguos y los nuevos.
Los siguientes criterios se destinan a tareas de clasificación binominal:
- Accuracy.
- Precision.
- Recall.
- AUC (optimista).
- AUC (neutral).
- AUC (pesimista).
Los siguientes criterios se destinan a tareas de clasificación polinominal:
- Accuracy.
- Kappa statistic.
Los siguientes criterios se destinan a tareas de regresión:
- Root Mean Squared Error (Raíz cuadrada del error cuadrático medio).
- Mean Squared Error (Error cuadrático medio).
