Baseline trivial
Tema: Metodología y Datos · Catálogo de recetas · temario: Syllabus IOAI
📍 Dónde se aprende: módulo 02 de la Ruta de Aprendizaje.
Qué hace
Predice la clase mayoritaria (o la mediana) sin mirar las features. Es el punto de partida contra el que se mide todo.
Cuándo usarla
Lo primero que corres en cualquier tarea, siempre. Te dice si tu modelo sofisticado está aportando algo, y te obliga a resolver el formato de salida antes de gastar tiempo modelando.
Implementación
Necesita: numpy.
import numpy as np
def baseline_clasificacion(y_train, n_test):
"""Predice siempre la clase mayoritaria. Es el piso que hay que superar."""
valores, cuentas = np.unique(y_train, return_counts=True)
mayoritaria = valores[np.argmax(cuentas)]
return np.full(n_test, mayoritaria, dtype=y_train.dtype)
def baseline_regresion(y_train, n_test):
"""Predice siempre la mediana: minimiza el error absoluto (MAE)."""
return np.full(n_test, np.median(y_train), dtype=float)⚠️ Notas
En la IOAI el baseline no lo eliges tú: viene con la tarea y es el Min de la fórmula de puntaje. Esta receta sirve para entender el mecanismo y para entrenar fuera de la competencia, donde nadie te regala uno.
Para regresión, la mediana minimiza el error absoluto (MAE) y la media el cuadrático (MSE): elige según la métrica de la tarea, no por costumbre.
🔗 Relacionadas
Verificada
Este código se ejecuta en cada publicación, contra una referencia obviamente correcta, en
herramientas/pruebas/datos.py. Si se rompe, el sitio no se actualiza.
Las otras puertas del vault: Ruta de Aprendizaje · Referencia · IOAI