3 · Un vistazo a hacia dónde vamos
Dos líneas de Python que escribirás una y otra vez en ML — y la imagen que pintan.
Toda pipeline de ML supervisado empieza dividiendo los datos en un set de entrenamiento y uno de test.
Sin esto:
Sin un set de test reservado, no puedes saber si tu modelo aprendió algo o solo memorizó.
Respira. Vamos por la lección tres y estás a punto de ver el patrón más importante de ML supervisado: el split train/test. La escena de abajo muestra qué pasa cuando llamas una línea de scikit-learn.
En Python son literalmente dos líneas:
Python (in browser)
Split 80/20 con semilla aleatoria fija para que el resultado sea reproducible.
Python runs entirely in your browser via Pyodide (~6 MB on first Run, cached after).
¿Por qué dividir? Es generalización — la matemática es descenso por gradiente sobre datos no vistos.
No te preocupes si scikit-learn te intimida ahora. Para el final del Track 5 (ML supervisado clásico) lo escribirás dormido.
- El split train/test es la base de todo experimento honesto de ML.
- Una semilla aleatoria fija hace los resultados reproducibles — un hábito que conviene mantener.
Literalmente cada notebook de ML supervisado del planeta empieza con `train_test_split(...)`.
Si lo quitas: No puedes confiar en un modelo evaluado en los datos con los que se entrenó — la métrica no te dice nada del rendimiento real.