# Comprensión de los conceptos de revisión de modelos

Puede que resulte útil comprender los aspectos básicos de las métricas del modelo antes de empezar a analizar los resultados de su entrenamiento.

A grandes rasgos, las métricas de modelo disponibles pueden dividirse en dos tipos: puntuaciones de modelo y métricas de importancia de las características. Ambos tipos de métricas deben analizarse cuando revise sus modelos.

También hay diferencias entre cómo entrena sus modelos cada uno de los algoritmos disponibles.

## Puntuaciones del modelo

Las puntuaciones del modelo indican la exactitud de sus predicciones.

[Interpretación de las puntuaciones de los modelos](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/scoring-models.htm)

## Importancia de la característica

La importancia de las características no es técnicamente una puntuación del modelo, pero debe utilizarse en conjunto con las puntuaciones del modelo para evaluar su calidad y diagnosticar posibles problemas. La importancia de las características también ofrece una visión de los principales factores que influyen en las tendencias de los datos.

[Comprensión de la importancia de las características](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/feature-importance.htm)

## Algoritmos

Ciertos algoritmos funcionan mejor con tipos de problemas específicos. Cada algoritmo tiene sus puntos fuertes y débiles, que deben tenerse en cuenta al revisar los modelos.

[Entendimiento de los algoritmos del modelo](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/algorithms.htm)