Un ingeniero de ML está construyendo un modelo en SageMaker Canvas para hacer predicciones numéricas continuas usando 10 años de datos históricos. ¿Qué métrica de evaluación debería usar el ingeniero para evaluar el rendimiento predictivo del modelo?

RMSE es la métrica adecuada porque el problema es una regresión, donde el modelo predice valores numéricos continuos. RMSE mide la magnitud promedio de los errores, penalizando más los errores grandes, lo cual es crucial para evaluar la precisión de las predicciones numéricas. Accuracy (precisión) se usa para problemas de clasificación, donde el modelo predice categorías discretas, no valores continuos. InferenceLatency (latencia de inferencia) mide el tiempo que tarda el modelo en hacer una predicción, no su rendimiento predictivo. AUC se utiliza para evaluar el rendimiento de modelos de clasificación binaria, midiendo la capacidad del modelo para distinguir entre clases.