Evaluating a model

A lo largo de este curso, has estado trabajando en un proyecto para clasificar enfermedades cardíacas usando Machine Learning. Has limpiado el conjunto de datos, realizado ingeniería de características y entrenado tu modelo.

Aquí pondrás en práctica los métodos que has aprendido hasta ahora para evaluar modelos. Evaluarás un modelo de Machine Learning usando métricas de error adecuadas, visualizarás los resultados de la evaluación e identificarás un posible sobreajuste de cara a su despliegue. Al finalizar este ejercicio, tendrás una comprensión más profunda de las técnicas de evaluación y visualización de modelos.

• El modelo entrenado de regresión logística está cargado como model
• KFold y cross_val_score están importados desde sklearn.model_selection
• confusion_matrix está importado desde sklearn.metrics.
• Las variables heart_disease_df_X y heart_disease_df_y ya se han importado.