まとめ
- La pérdida pinball mide cuánto se desvían las predicciones de un cuantil objetivo, penalizando por encima y por debajo de forma asimétrica.
- Calcula la métrica en Python para un modelo de cuantiles y observa el peso que ejerce \(\tau\).
- Descubre aplicaciones en previsión de demanda y gestión de riesgos, junto con consejos para fijar cuantiles.
1. Definición #
Para un cuantil \(\tau\):
$$ L_\tau(y, \hat{y}) = \begin{cases} \tau (y - \hat{y}) & \text{si } y \ge \hat{y} \ (1 - \tau)(\hat{y} - y) & \text{en otro caso} \end{cases} $$
Si la predicción queda por debajo, el déficit se multiplica por \(\tau\); si queda por encima, por \(1-\tau\).
2. Cálculo en Python #
from sklearn.metrics import mean_pinball_loss
quantile = 0.9
loss = mean_pinball_loss(y_true, y_pred_quantile, alpha=quantile)
print(f"Pérdida pinball (q={quantile}): {loss:.4f}")
Configura alpha con el cuantil deseado. Úsalo junto a un modelo de regresión cuantílica (por ejemplo GradientBoostingRegressor con loss="quantile").
3. Interpretación #
- Cuanto menor, mejor: una predicción exacta del cuantil da lugar a pérdida cero.
- \(\tau = 0.5\) equivale a MAE.
- Asimetría: controla cuánto castigar sobre- vs infraestimación ajustando \(\tau\).
4. Casos de uso #
- Intervalos de demanda: evaluación del cuantil 0.9 para dimensionar stock de seguridad.
- Gestión de riesgos: métricas como Value at Risk dependen de cuantiles precisos.
- Pronóstico de carga energética: entrena cuantiles superior/inferior y contrástalos con la pérdida pinball.
5. Recomendaciones #
- Entrenar modelos por cuantil puede ser costoso; bibliotecas como LightGBM o CatBoost permiten múltiples cuantiles.
- Cuantiles extremos (cerca de 0 o 1) requieren muchos datos para ser estables.
- Combina la pérdida pinball con métricas de cobertura (PICP, por ejemplo) para evaluar intervalos completos.
Resumen #
- La pérdida pinball es la métrica esencial de la regresión cuantílica y permite ajustar el riesgo de forma asimétrica.
mean_pinball_lossfacilita la evaluación; selecciona \(\tau\) según el apetito de riesgo.- En pronósticos por intervalos, complementa la pérdida pinball con métricas de cobertura para una visión integral.