¿Cómo utilizar la validación cruzada para evaluar un modelo?

La validación cruzada es un método de evaluación de la calidad de un modelo de aprendizaje automático que ayuda a verificar qué tan bien funcionará el modelo con datos nuevos. La idea principal es dividir el conjunto de datos original en varias partes (folds), entrenar el modelo en algunas partes y probarlo en las restantes.

La variante más común es la validación cruzada k-fold:

1. Dividir los datos en k partes iguales.
2. Para cada una de las k partes:
   • Entrenar el modelo en las otras k-1 partes.
   • Probar el modelo en la parte actual (conjunto de validación).
3. El valor medio de las métricas en todas las k iteraciones proporciona una evaluación más confiable de la calidad del modelo.

Esto ayuda a evitar el sobreajuste y obtener una evaluación más objetiva que una simple división en conjuntos de entrenamiento y prueba.

Ejemplo en Python usando scikit-learn:

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

iris = load_iris()
X, y = iris.data, iris.target
model = RandomForestClassifier()
scores = cross_val_score(model, X, y, cv=5)  # validación cruzada de 5 pliegues
print(f"Precisión media: {scores.mean():.2f}")