Un científico de datos está construyendo un clasificador binario de enfermedades a partir de una muestra aleatoria de 400 pacientes, donde la prevalencia de la enfermedad es de aproximadamente el 3%. ¿Qué estrategia de validación cruzada es la más adecuada para evaluar el modelo?

La validación cruzada k-fold estratificada es la más adecuada porque la prevalencia de la enfermedad es muy baja (3%), lo que indica un conjunto de datos desequilibrado. La estratificación asegura que cada fold de validación mantenga la misma proporción de clases (pacientes enfermos y sanos) que el conjunto de datos original, evitando que un fold tenga muy pocos o ningún caso de la clase minoritaria. La validación cruzada k-fold estándar no garantiza esta proporción, pudiendo generar folds sin casos de la enfermedad. La opción con 3 repeticiones es una mejora, pero la estratificación es la clave para manejar el desequilibrio. Una división 80/20 es una única división, no una validación cruzada robusta, y aunque estratificada, no ofrece la misma fiabilidad estadística que la validación cruzada k-fold.