El F-score es una métrica para evaluar modelos de clasificación. La medida F1, la más habitual, es la media armónica entre la precisión (cuántos de los aciertos detectados son correctos) y la exhaustividad o recall (cuántos de los casos reales se encontraron), y va de 0 a 1. Resulta especialmente útil con datos desequilibrados: un filtro antispam que casi nunca marca spam puede tener una exactitud alta pero un F1 bajo.
Agentes, flujos y plantillas en un solo espacio de trabajo – demo gratuita de 24 horas.
Iniciar demoEl recall (exhaustividad o sensibilidad) mide qué parte de los casos realmente positivos detecta un modelo: positivos acertados divididos entre todos los positivos reales. Si un filtro antifraude detecta 80 de 100 fraudes reales, su recall es 0,8. Un recall alto importa cuando los casos que se escapan salen caros, como en diagnósticos médicos. Como no tiene en cuenta las falsas alarmas, suele analizarse junto con la precisión, por ejemplo en el F-score.
Una matriz de confusión es una tabla que compara las predicciones de un clasificador con las clases reales. Con dos clases muestra verdaderos positivos, falsos positivos, verdaderos negativos y falsos negativos. A partir de ella se calculan métricas como precisión, exhaustividad y F1, y se ve qué errores se producen. Ejemplo: un filtro antispam que marca muchos correos legítimos como spam tiene muchos falsos positivos, lo que suele costar más que un spam no detectado.
El área bajo la curva (Area Under the Curve, AUC) es una métrica para modelos de clasificación, normalmente referida a la curva ROC. Indica lo bien que un modelo separa los casos positivos de los negativos, sin depender de un umbral concreto. Un valor de 1 significa separación perfecta; 0,5 equivale a adivinar. Ejemplo: un modelo de abandono con un AUC de 0,85 considera más arriesgado a un cliente que se va que a uno fiel en el 85 % de los casos.
La precisión top-k mide con qué frecuencia la respuesta correcta está entre las k sugerencias más probables de un modelo. En top-1 solo cuenta la primera predicción; en top-5 basta con que la clase correcta esté entre las cinco primeras, una métrica conocida de los benchmarks de reconocimiento de imágenes como ImageNet. Te resultará útil siempre que el usuario vea varias propuestas, por ejemplo en recomendaciones de productos o autocompletado.
