Evaluación comparada de desempeño en modelos animales mediante validación cruzada apareada

FORNERIS, N.S.; MUNILLA, S.; SCHRAUF, M.

Congreso; 43º Congreso Argentino de Producción Animal; 2020

La validación cruzada es un procedimiento utilizado para evaluar el desempeño predictivo de modelos estadísticos. Consiste en particionar los datos y utilizar los distintos subconjuntos para estimar los parámetros del modelo, por un lado, y para obtener la medida de desempeño elegida, por otro (conjuntos de entrenamiento y de prueba, respectivamente). Esta técnica tuvo gran auge en la disciplina de mejoramiento animal con la introducción de la genómica, cuando fue preciso comparar múltiples modelos novedosos sin una teoría previa desarrollada. La forma usual de realizar la validación cruzada para comparar modelos en nuestra disciplina es la de kiteraciones con réplicas (repeated k-fold cross-validation, en inglés) (cf. Friedman et al., 2001). En este caso, la medida de prueba se promedia sobre las iteraciones y réplicas y, por ese motivo, aquí la denominamos marginal. En el presente trabajo se demuestra, en cambio, que es más conveniente realizar las comparaciones entre modelos de forma apareada entre iteraciones y réplicas. Para ello, se aplican ambos enfoques al comparar dos modelos para la predicción de peso al nacimiento en bovinos de la raza Brangus.