Please enable JavaScript.
Coggle requires JavaScript to display documents.
Matriz de Confusión - Coggle Diagram
Matriz de Confusión
¿Qué es?
Una matriz de confusión, también conocida como matriz de error, es una tabla resumida que se utiliza para evaluar el rendimiento de un modelo de clasificación. El número de predicciones correctas e incorrectas se resumen con los valores de conteo y se desglosan por cada clase.
-
Métricas de la matriz
-
Precisión
La precisión también se conoce como valor predictivo positivo y es la proporción de instancias relevantes entre las instancias recuperadas.
Sensibilidad
La sensibilidad, tasa de aciertos o tasa positiva real (TPR), es la proporción de la cantidad total de instancias pertinentes que se recuperaron realmente.
Especificidad
La especificidad, también conocida como tasa negativa real (TNR), mide la proporción de negativos reales que se identifican correctamente como tales. Es lo opuesto a la sensibilidad.
Puntuación F1
El puntaje F1 es una medida de la precisión de una prueba, es la media armónica de precisión y recuperación. Puede tener una puntuación máxima de 1 (precisión y recuerdo perfectos) y una mínima de 0. En general, es una medida de la precisión y robustez del modelo.
Separabilidad Lineal
La separación lineal es el proceso de dividir un conjunto de puntos de datos en dos o más clases utilizando una línea recta, un plano o un hiperplano. En el contexto de la IA, esta técnica se emplea para clasificar los datos en distintas categorías, lo que permite que las máquinas hagan predicciones y tomen decisiones en función de los patrones observados en los datos