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.
Agentes, flujos y plantillas en un solo espacio de trabajo – demo gratuita de 24 horas.
Iniciar demoUna 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.
La Mean Average Precision (mAP) es una métrica que evalúa lo bien que un sistema encuentra resultados relevantes y los sitúa en las primeras posiciones. Para cada consulta o clase de objeto se calcula la precisión media a lo largo de la lista de resultados; la mAP es el promedio de todas. Es una medida estándar en buscadores, sistemas de recomendación y detección de objetos en imágenes, donde también depende del solapamiento exigido entre los recuadros delimitadores.
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.
Un clasificador es un modelo o método que asigna una entrada a una de varias categorías predefinidas. Las variantes clásicas, como los árboles de decisión o Naive Bayes, se entrenan con ejemplos etiquetados; los modelos de lenguaje también pueden clasificar textos a partir de una descripción de las categorías. Usos típicos son detectar spam, ordenar consultas de clientes por tema o clasificar justificantes. La calidad se mide con métricas como exactitud, precisión y exhaustividad (recall).
