Módulo 9 · Aplicación práctica

Demostrador de ML

Machine Learning para Quants

¿Qué muestra este demostrador?

Compara la precisión in-sample (lo que ves al entrenar) con la out-of-sample (la que importa) al variar la complejidad del modelo, el número de features y la señal real en los datos. Cambia el tipo de validación (temporal/purgada vs. aleatoria) para observar cómo el leakage infla artificialmente la precisión y produce la ilusión de un modelo ganador.

In-sample (lo que ves)

—

Out-of-sample (la real)

—

Baseline (azar)

50%

Precisión vs. complejidad del modelo

Pulsa Entrenar y evaluar para ver el contraste entre la precisión in-sample y la out-of-sample.

Escrito por

Nicolás Arven

Analista independiente de mercados, inversión y estrategia bursátil en Alternativa Bursátil.

Nicolás Arven es analista independiente de mercados, inversión y estrategia bursátil en Alternativa Bursátil. Su enfoque combina análisis macroeconómico, lectura de mercado, gestión del riesgo y criterios de inversión a medio y largo plazo.

Ver perfil → LinkedIn Bluesky

Este contenido tiene fines exclusivamente informativos y educativos. No constituye asesoramiento financiero personalizado ni recomendación de compra o venta de activos. Toda inversión implica riesgos y puede generar pérdidas.