Hay muchos problemas fundamentales con esta pregunta que terminan respondiendo.
Para empezar no podemos nombrar modelos. Podemos nombrar algoritmos, por ejemplo, bosque aleatorio o regresión logística. Cuando pasamos datos a esos algoritmos, obtenemos un modelo. Dado que los datos son específicos del problema, cada algoritmo + conjunto de datos que utilizamos representará un modelo diferente sin nombre con sus propias tasas de error.
Entonces, responda su pregunta directamente: nadie puede decirle qué modelo tiene el error más bajo porque los modelos son casi personales o al menos contextuales.
- ¿Cómo difiere un sistema de clasificación artificial de una clasificación de sistema natural?
- ¿Cuál es la diferencia entre la anotación automática de imágenes y la recuperación de imágenes?
- ¿Cuáles son algunos talleres sobre aprendizaje a gran escala?
- ¿Cómo es trabajar con Watson de IBM?
- En el aprendizaje profundo, ¿se pueden obtener buenos resultados cuando usas una función lineal entre las capas ocultas?
Sin embargo, creo que no está preguntando sobre modelos sino sobre algoritmos porque menciona que los modelos “dan” errores de predicción. Los modelos no dan errores de predicción. Los modelos tienen errores de predicción. No estoy tratando de corregirte. Estoy tratando de inferir lo que está preguntando y, en base a esto, supongo que está preguntando qué algoritmo da el error de predicción más bajo.
Bajo esta suposición, la respuesta es: ninguna. Si existiera un algoritmo que proporcionara el error de predicción más bajo, no necesitaríamos múltiples. Simplemente recogeríamos “The One”. El concepto que necesita comprender es el “Teorema de no almuerzo gratis” que puede encontrar aquí: Teoremas de no almuerzo gratis
Por último, pero no menos importante, mencionó R. En teoría, un algoritmo generará los mismos resultados independientemente de la plataforma en la que se ejecute. Ejecutarlo en R o Python o cualquier otro sistema en teoría, no hace ninguna diferencia.
¡Espero que esto ayude!
