Calculadora de Exactitud, Precisión y Recall
Precisión, recall, F1, F-beta, MCC y especificidad desde una matriz de confusión, con la línea base que indica cuánto vale tu exactitud.
Escenarios
Matriz de confusión
Los cuatro recuentos de resultados de tu conjunto de prueba.
Ponderación F-beta
β = 1 es F1 y pondera igual precisión y recall. Un β menor que 1 pondera más la precisión; uno mayor que 1 pondera más el recall. β = 2 es la elección habitual cuando pasar por alto un positivo cuesta más que una falsa alarma.
Qué métrica responde a qué pregunta
Cada métrica es una definición, no un objetivo. La pregunta de la columna central es la que realmente responde.
| Métrica | Responde a | Úsala cuando |
|---|---|---|
| Precisión | De todo lo marcado como positivo, ¿cuánto lo era de verdad? | Una falsa alarma sale cara: tiempo de revisión, un cliente bloqueado, una visita en balde. |
| Recall | De todo lo que era positivo de verdad, ¿cuánto detectamos? | Una omisión sale cara: una enfermedad no detectada, un fraude que pasa. |
| Puntuación F1 | Un solo número que equilibra precisión y recall por igual. | Necesitas una cifra única y ambos errores cuestan más o menos lo mismo. |
| Especificidad | De todo lo que era negativo de verdad, ¿cuánto dejamos en paz? | Te importa no molestar a la clase negativa: cribar una población sana. |
| MCC | ¿Cuánto se aleja de lo aleatorio este clasificador, usando las cuatro celdas? | Las clases están desbalanceadas y quieres un único número honesto. |
| Exactitud | ¿Qué proporción de todas las predicciones fue correcta? | Las clases están más o menos equilibradas, y solo tras compararla con la línea base. |
Cómo leer estos números
- No hay un valor a partir del cual una métrica sea «buena». Un F1 de 0,7 puede ser excelente en un problema difícil y equilibrado, y no valer nada en uno fácil y desbalanceado: por eso esta página no muestra ninguna calificación.
- Lee la exactitud frente a la línea base de la clase mayoritaria antes que nada. Si no la supera, las demás métricas describen un modelo que aún no ha aprendido la tarea.
- El MCC va de −1 a +1, donde 0 es exactamente aleatorio y 1 es perfecto. A diferencia de la exactitud usa las cuatro celdas, así que no se infla cuando una clase domina.
- Elige entre precisión y recall según lo que cuesten los errores. Un falso positivo que gasta un minuto de revisión no equivale a un falso negativo que pasa por alto un tumor.
Cada cifra describe el conjunto de prueba que introdujiste, no el rendimiento futuro. Una métrica medida sobre una muestra es una estimación: con datos escasos o poco representativos puede variar bastante al volver a medir, y ninguna métrica indica si esa muestra se parecía al entorno donde vas a desplegar.
Calculadoras Relacionadas
También podrías encontrar útiles estas calculadoras
Calculadora de Impacto Adverso y Equidad
Regla de cuatro quintos con prueba de significación y métricas de equidad.
Calculadora de Estabilidad Poblacional (PSI)
Calcula el PSI y comprueba si el cambio es real
Calculadora de Deriva de Modelo
Comprueba si la caída de un modelo es real o ruido
Estimador de Tiempo de Entrenamiento ML
Estima el tiempo y costo de entrenamiento de modelos de aprendizaje automático
Métricas de clasificación, leídas con la línea base correcta
Introduce una matriz de confusión y esta calculadora devuelve precisión, recall, F1, F-beta, especificidad, MCC y exactitud equilibrada, junto a la línea base de la clase mayoritaria: la puntuación que obtendrías ignorando el modelo y respondiendo siempre con la clase más grande. Ese contexto falta en casi todas las herramientas de métricas: con datos que son 95 % negativos, un clasificador que no detecta nada alcanza un 95 % de exactitud. Si ya tienes precisión y recall, cambia de modo y las puntuaciones F se deducen directamente.
Qué mide una matriz de confusión
Una matriz de confusión reparte cada predicción en cuatro recuentos: verdaderos positivos y verdaderos negativos, donde el modelo coincidió con la realidad, y falsos positivos y falsos negativos, donde no. Todas las métricas de esta página son cocientes de esos cuatro números. La precisión divide los verdaderos positivos entre todo lo predicho como positivo; el recall los divide entre todo lo que era positivo de verdad; F1 es su media armónica, que se mantiene baja salvo que ambas sean altas. Se usa la media armónica y no un promedio simple justamente para que un modelo con 100 % en una y 0 % en la otra no pueda reclamar un 50 %.
Puntuación F1
F1 = 2 × (Precisión × Recall) ÷ (Precisión + Recall)Cómo usar esta calculadora
Elige un escenario o introduce tus cuatro recuentos: verdaderos positivos, falsos positivos, falsos negativos y verdaderos negativos.
Lee la puntuación F1 arriba y mira enseguida la línea base de la clase mayoritaria que aparece debajo.
Si tu exactitud no supera esa línea base, el modelo aún no ha aprendido la tarea: las demás métricas describen algo que no funciona.
Pon beta por debajo de 1 para ponderar más la precisión, o por encima de 1 para ponderar más el recall, y lee F-beta en lugar de F1.
Si solo tienes precisión y recall, cambia el modo de entrada: F1 y F-beta siguen disponibles, las métricas que dependen de la matriz no.
Dónde se usan estas métricas
Cribado médico
Manda el recall: una omisión cuesta mucho más que una prueba de seguimiento. La especificidad sigue importando, porque un programa de cribado que alarme a media población sana no sobrevive en la práctica.
Filtrado de spam y abuso
Manda la precisión: un mensaje legítimo en la carpeta de spam es peor que un spam en la bandeja de entrada. Se sacrifica recall a propósito.
Detección de fraude
Desbalance de manual: el fraude es raro, así que la exactitud apenas sirve y el MCC es el resumen honesto. F-beta con beta mayor que 1 es habitual cuando un fraude no detectado cuesta más que una revisión.
Comparar modelos
Cuando dos modelos están cerca, compara el MCC antes que la exactitud o el F1: es el que no cambia de opinión cuando cambia el balance de clases.
Por qué una sola métrica nunca basta
La exactitud esconde la clase mayoritaria
Con datos desbalanceados, responder siempre con la clase más grande ya puntúa alto. La exactitud solo significa algo cuando conoces esa línea base, y por eso esta página la calcula.
Precisión y recall se intercambian
Mover el umbral de decisión sube una y baja el otro. No hay ajuste que maximice ambos, así que la elección corresponde a quien sepa lo que cuesta cada error.
F1 ignora por completo los verdaderos negativos
F1 se construye con precisión y recall, y ninguna usa la celda de verdaderos negativos. Un modelo puede puntuar bien en F1 y llevarse mal con la clase negativa: eso lo detectan la especificidad y el MCC.
El MCC usa las cuatro celdas
Al ser una correlación entre predicción y realidad, el MCC no se infla cuando una clase domina. Va de −1 a +1 y el 0 significa exactamente aleatorio.
Preguntas frecuentes
No hay umbral que lo haga bueno o malo, y ningún organismo publica uno. Un F1 de 0,7 en un problema difícil y equilibrado puede ser sólido; ese mismo 0,7 con datos donde un clasificador trivial ya alcanza un 95 % de exactitud te dice que el modelo no funciona. Compáralo con la línea base de clase mayoritaria que calcula esta página y con lo que usabas antes.
Porque responder siempre con la clase más grande ya puntúa bien. En el escenario desbalanceado de aquí (50 positivos frente a 950 negativos), un clasificador que responda «negativo» siempre y no detecte absolutamente nada alcanza un 95 % de exactitud. Su MCC es exactamente cero, y ahí está la pista.
La precisión pregunta cuánto de lo que marcaste era real; el recall, cuánto de lo real marcaste. La precisión se juzga contra tus predicciones y el recall contra la realidad. Subir el umbral de decisión mejora la precisión y cuesta recall; bajarlo hace lo contrario.
Cuando los dos errores no cuestan lo mismo. Un beta menor que 1 pondera más la precisión y uno mayor que 1 el recall. Beta = 2 es la elección habitual cuando pasar por alto un positivo es peor que una falsa alarma; beta = 0,5 cuando ocurre lo contrario.
El MCC usa las cuatro celdas de la matriz, incluidos los verdaderos negativos, que F1 ignora por completo. Es un coeficiente de correlación entre predicción y realidad: 0 es exactamente aleatorio, 1 es perfecto y −1 es perfectamente equivocado. Eso lo hace mucho más estable que la exactitud o el F1 cuando una clase domina.
No. Precisión y recall se calculan sin el recuento de verdaderos negativos, así que no contienen información sobre cómo trata el modelo a la clase negativa. La exactitud, la especificidad, el MCC y la exactitud equilibrada necesitan la matriz completa, y por eso esta página los declara no disponibles en el modo de precisión y recall en lugar de inventarlos.