Es malo para elegir un regresor basado en MSE?

Question

Veo a muchas personas en la web suponiendo que R2 no es un métricas adecuadas para seleccionar un regresor en lugar de otro, lo que sugiere AIC o BIC para hacerlo. Desde mi punto de vista, esto significa que es casi preferible evitar modelos complejos, incluso si son más precisas (no estoy seguro de si esta visión es correcta).

Mi pregunta es, ¿qué está mal sobre el uso de MSE? Y a ver si el modelo es mejor que "siempre predicen la media", acaba de comprobar R2?

Otra razón por la que insisto en el uso de ellos para preferir un regresor en lugar de otro (incluso sin asegurarse de su conveniencia) es que sklearn hace uso de R2 como predeterminado de la función de puntuación para GridSearchCV.

Answer 1

No está mal. Si desea elegir el modelo simple, el error cuadrático no te ayudará. AIC y BIC penalizar a los modelos con mayor número de parámetros, incluso si se ajustan un poco mejor, por lo que ayudará con la elección de un modelo simple que se adapta bien. Si desea que la exactitud de las predicciones, elija el modelo de la exactitud de las predicciones, a juzgar con algún criterio para que como cuadrático medio, o absoluto, error, o algo más. Depende de si desea utilizar el modelo para entender algo mejor (a continuación, usted desea simple, fácilmente interpretables modelo), o que sólo están interesados en la realización de predicciones (a continuación, elige modelo más preciso, aunque a veces no importa si es complicado, pero de verificación si no overfit).