Al entrenar un modelo de regresión que predice el tiempo de entrega en minutos, ¿qué métricas de evaluación debería usar el científico de datos? (Elija dos).

Para un modelo de regresión que predice un valor numérico continuo como el tiempo de entrega, las métricas más adecuadas son aquellas que cuantifican la magnitud del error entre las predicciones y los valores reales. El Error Cuadrático Medio (MSE) y la Raíz del Error Cuadrático Medio (RMSE) son métricas fundamentales para esto. El MSE calcula el promedio de los cuadrados de los errores, penalizando más los errores grandes. El RMSE es la raíz cuadrada del MSE, lo que lo hace más interpretable al estar en las mismas unidades que la variable objetivo. InferenceLatency es una métrica de rendimiento del modelo, no de su precisión predictiva. Precisión y Exactitud son métricas utilizadas principalmente para problemas de clasificación, donde se evalúa la corrección de las etiquetas predichas, no la magnitud de un error numérico.