¿Qué es la validación cruzada y para qué sirve?

La validación cruzada es un método para evaluar la calidad de un modelo de aprendizaje automático, que ayuda a verificar qué tan bien funcionará el modelo en datos nuevos e invisibles. La idea principal es dividir el conjunto de datos original en varias partes (pliegues), por ejemplo, 5 o 10. Luego, el modelo se entrena en todas las partes excepto una, y se prueba en la restante. Este proceso se repite hasta que cada parte haya sido utilizada como prueba.

Esto permite obtener una evaluación más confiable del rendimiento del modelo, reducir el sobreajuste y seleccionar los mejores parámetros. Por ejemplo, en la validación cruzada de 5 pliegues, los datos se dividen en 5 partes, y el modelo se entrena 5 veces, cada vez en 4 partes, probándose en 1.

Ejemplo en Python usando sklearn:

from sklearn.model_selection import cross_val_score
from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import load_iris

X, y = load_iris(return_X_y=True)
model = RandomForestClassifier()
scores = cross_val_score(model, X, y, cv=5)
print(f"Precisión media: {scores.mean():.2f}")