Descripción general
Este artículo explica cómo interpretar el indicador de Precisión de Profundidad y el diagrama de dispersión de R² Validado en su Mapa de Predicción. Estos resultados le ayudan a evaluar la precisión con la que el modelo predice la posición vertical de los objetivos mineralizados, y qué hacer si los resultados no son confiables.
Indicador de precisión de profundidad
Cuando abre los resultados por primera vez, verá una visualización de Precisión de Profundidad en forma de indicador circular, similar a un odómetro, que muestra:
Puntaje de precisión (accuracy score): Porcentaje que representa que tan cercanas están las profundidades predichas respecto a las profundidades reales.
Etiqueta (label) – Un indicador cualitativo del rendimiento del modelo
Un porcentaje más alto indica una mejor concordancia entre las profundidades predichas y reales. Los puntajes más bajos pueden sugerir que el modelo tiene dificultades para aprender patrones verticales a partir de sus datos.
Idealmente, desea ver la etiqueta "Alta" (High).
Para explorar los resultados con más detalle, haga clic en la flecha de la esquina superior derecha para ver los resultados detallados del modelo.
¿Qué es un diagrama de dispersión R² validado?
Debajo del indicador, encontrará el gráfico de R² validado. El R² validado es un diagrama de dispersión que compara los valores de profundidad predichos con los valores de profundidad reales de su conjunto de datos de validación, generalmente procedentes de perforaciones.
El eje X muestra la profundidad real obtenida de la perforación, a menudo negativa porque representa la profundidad bajo de la superficie.
El eje Y muestra la profundidad predicha por el modelo.
Una línea diagonal roja (línea 1:1) se dibuja a través del gráfico. Esta línea representa predicciones perfectas, donde las profundidades predichas y reales son iguales.
Cada punto azul representa un punto de aprendizaje (es decir, una ubicación donde tanto la predicción como la profundidad real son conocidas). Un punto sobre la línea roja indica una predicción perfecta. Cuanto más alejado esté un punto de la línea roja, menos precisa es la predicción del modelo.
Este gráfico es esencial porque relaciona los resultados de la clasificación (por ejemplo, la probabilidad de mineralización) con la profundidad predicha, un factor crítico para la selección de objetivos de perforación. Mientras que la clasificación indica dónde es probable encontrar mineralización, el modelo de profundidad le indica a qué profundidad debe perforar. El gráfico de R² validado ayuda a evaluar si esa predicciones de profundidad son confiables
Cómo interpretar
El gráfico de dispersión R² Valid ofrece un indicador visual rápido del rendimiento de la predicción:
Un grupo compacto de puntos azules en la diagonal indica que el modelo está funcionando correctamente, prediciendo con precisión las profundidades en todo el rango.
Si los puntos están muy dispersos por encima o por debajo de la diagonal, el modelo está sobreestimando o subestimando los valores:
Puntos por encima de la diagonal: El modelo predice una profundidad mayor de la real
Puntos debajo de la diagonal: El modelo predice una profundidad menor a la real.
Un patrón de alineación horizontal, donde los puntos forman una banda plana, sugiere que el modelo está utilizando valores de profundidad promedio, sin aprender de la profundidad de entrada. Esto indica un rendimiento deficiente.
Si en el gráfico de dispersión solo aparecen muy pocos puntos, el modelo pudo haber tenido muy pocos puntos de aprendizaje, lo que limita su capacidad para aprender y predecir con precisión la profundidad.
Sustituir características de bajo rendimiento por datos de entrada más relevantes geológicamente puede mejorar significativamente la precisión del modelo.
Qué hacer si los resultados no son óptimos
Si el gráfico de dispersión de R² Valid muestra un patrón débil o inconsistente, su modelo puede no estar prediciendo la profundidad de manera efectiva. Pruebe los siguientes ajustes:
Reduzca el umbral de clasificación
En Paso 3: Cómo configurar los datos de aprendizaje, disminuya el valor usado para definir los puntos mineralizados. Un umbral alto puede generar muy pocas muestras positivas, limitando los datos de entrenamiento válidos para el modelado de profundidad.
Revisar sus características de entrada
En Paso 2: Cómo seleccionar características de entrada evalúe si los rásteres seleccionados son adecuados para predecir profundidad. Elimine características con poca variación vertical o ruido excesivo y experimente con diferentes combinaciones de rásteres. Sustituir características de bajo rendimiento por entradas más relevantes geológicamente puede mejorar significativamente la precisión del modelo.
Ajustar parámetros de entrenamiento del modelo
En Paso 4: Cómo incrustar características de entrada, aumente el número de épocas para permitir más ciclos de entrenamiento.
En Paso 5: Cómo construir un modelo predictivo, refine la configuración de clústeres (por ejemplo, el tamaño del clúster o el número mínimo de puntos) para capturar mejor los patrones del subsuelo.
Más información
Interpretar otros gráficos de resultados de DORA:
Crear un mapa de predicción DORA:
¿Aún tiene preguntas?
Comuníquese con su contacto exclusivo de DORA o envíe un correo electrónico a Support@VRIFY.com para obtener más información.