Mejores Prácticas de Machine Learning

Una lista de verificación de reglas para construir modelos de ML clásicos reproducibles y sin fugas de datos. Revísala antes de cada ejecución de entrenamiento y durante la revisión del código.

Cómo Usar Esta Lista

• Aplica las reglas A-C antes de escribir el código de entrenamiento.
• Las reglas D-F rigen la evaluación y la selección del modelo.
• Las reglas G-H cubren el despliegue y el mantenimiento.
• Revisa después de cada cambio en el esquema de datos o nueva fuente de características.

A - Higiene de Datos

• Dividir los datos antes del preprocesamiento. Ajusta escaladores, codificadores y selectores de características solo en los pliegues de entrenamiento; nunca en el conjunto de datos completo o en el conjunto de prueba.
• Bloquear un conjunto de prueba reservado. Toca este conjunto una sola vez para la evaluación final después de que se hayan tomado todas las decisiones sobre el modelo e hiperparámetros.
• Usar divisiones estratificadas para clasificación. Conserva las proporciones de clases cuando alguna clase sea inferior al 10% de las filas.
• Dividir por grupo para entidades repetidas. Usa GroupKFold cuando varias filas compartan un ID de usuario, paciente o sesión.
• Documentar la procedencia de los datos. Registra la fuente, la fecha de extracción, los filtros aplicados y los recuentos de filas en un registro de experimentos.

B - Ingeniería de Características

• Excluir columnas posteriores al resultado. Elimina características que solo se conocen después del objetivo de predicción (fuga de datos).
• Encapsular transformaciones en un Pipeline. Agrupa el preprocesamiento con el modelo para que la validación cruzada y el despliegue apliquen pasos idénticos.
• Manejar categorías desconocidas en la inferencia. Usa OneHotEncoder(handle_unknown="ignore") o el soporte nativo para categóricas en bibliotecas de boosting.
• Imputar antes de escalar. Los valores faltantes deben rellenarse antes de StandardScaler o modelos basados en distancia.
• Forzar el orden de las columnas en la inferencia. Pasa X[expected_columns] antes de predict para evitar desalineaciones silenciosas.

C - Modelado

• Comenzar con una línea base simple. Regresión logística o random forest antes de gradient boosting o deep learning.
• Establecer semillas aleatorias en todas partes. random_state=42 en divisiones, modelos y búsquedas para experimentos reproducibles.
• Emparejar algoritmos con el tipo de problema. Métricas de regresión para objetivos continuos; métricas de clasificación para categorías.
• Usar pesos de clase o SMOTE para desequilibrio. No confíes en la precisión cuando la clase positiva es rara.
• Serializar el pipeline completo. joblib.dump(pipe, ...) - no solo el paso del clasificador.

D - Evaluación

• Elegir métricas alineadas con el coste empresarial. PR-AUC para positivos raros; MAE para errores de regresión interpretables.
• Ajustar umbrales en datos de validación. El valor por defecto de 0.5 rara vez es óptimo para clasificación desequilibrada.
• Informar métricas por clase. Una única F1 o precisión oculta fallos en las clases minoritarias.
• Comparar contra la línea base. Cada nuevo modelo debe superar la referencia simple para justificar la complejidad.
• Verificar la brecha entre entrenamiento y prueba. Una brecha grande indica sobreajuste; reduce la capacidad o añade regularización.

E - Ajuste de Hiperparámetros

• Buscar dentro de la validación cruzada. Nunca elijas hiperparámetros usando el rendimiento del conjunto de prueba.
• Emparejar la puntuación con la métrica de despliegue. Optimiza f1, roc_auc o neg_mean_absolute_error - no la precisión por defecto.
• Limitar el presupuesto de búsqueda. Usa la poda de Optuna o la búsqueda aleatoria en lugar de rejillas exhaustivas en 5 o más parámetros.
• Registrar cada prueba. Graba parámetros, puntuación de CV, duración y versión de datos para auditoría.

F - Reproducibilidad

• Fijar versiones de paquetes. Registra las versiones de scikit-learn, pandas y la biblioteca de boosting en los metadatos del artefacto.
• Versionar datos de entrenamiento. Haz hash del conjunto de entrenamiento o usa DVC para vincular modelos a instantáneas exactas de datos.
• Rastrear experimentos. Registra parámetros, métricas y artefactos en MLflow, W&B o un sistema equivalente.
• Escribir pruebas para la inferencia. Asegura que pipe.predict(sample) devuelva la forma y el tipo de datos esperados.

Preguntas Frecuentes

proyecto/
  data/           # crudos y procesados (gitignored o DVC)
  src/train.py    # script de entrenamiento
  src/predict.py  # punto de entrada de inferencia
  models/         # pipelines serializados
  tests/          # pruebas de humo de inferencia

def test_pipeline_predicts(sample_row):
    pred = pipe.predict(sample_row)
    assert pred.shape == (1,)

Relacionado

• Pipelines - preprocesamiento sin fugas de datos
• Conjuntos de Datos y Divisiones - estrategias de división adecuadas
• Evaluación de Modelos - selección de métricas
• Seguimiento de Experimentos - registro de ejecuciones
• Monitorización y Deriva - salud en producción

Versiones del Stack: Esta página fue escrita para Python 3.14.0 (estable 3.14, mantenimiento 3.13), FastAPI 0.115+, Django 5.2, Flask 3.1, Pydantic 2, PyTorch 2.6+, pandas 2.2+, Polars 1.x, ruff 0.9+, y uv 0.6+.