Más allá de la exactitud
Por qué importa En una prueba de una enfermedad rara donde el 95% de la gente está sana, un modelo que siempre dice "sano" puntúa un 95% de exactitud y no sirve para nada.
Una matriz de confusión cuenta, para cada clase verdadera, cuántas veces se predijo cada clase: fila = verdad, columna = predicción. A partir de ella, para una clase que te importa:
- Precisión: de las veces que el modelo dijo "positivo", ¿cuántas acertó?
- Exhaustividad: de los positivos reales, ¿cuántos encontró el modelo?
Números diminutos
100 personas, 5 enfermas. El modelo perezoso dice sano para todas: exactitud del 95%, exhaustividad 0 de 5 = 0. Un modelo de verdad señala a 8 personas, 4 de ellas enfermas: precisión 4/8 = 0.5, exhaustividad 4/5 = 0.8, y exactitud (4 + 91) / 100 = 95%. La misma exactitud, una utilidad completamente distinta.
Palabras y símbolos de esta lección
- matriz de confusión
- cuentas de clase verdadera (fila) frente a clase predicha (columna)
- precisión, exhaustividad
- de lo que señaló, cuánto era correcto; de lo que había, cuánto encontró
Escribe confusion(y_true, y_pred, k) (un array de k por k de cuentas) y precision_recall(y_true, y_pred, positive) que devuelva una pareja (usa 0.0 cuando no haya nada entre lo que dividir).
¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección
Este ejercicio se abre pronto
Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.
Este navegador está bloqueando las cookies de learn.floati.life, así que las lecciones que terminaste aquí no se pueden abrir en orden. Permite las cookies de este sitio y recarga.