Saltar al contenido
Omnikalc

¿Qué calidad tiene tu prueba o tu clasificador?

Indica los verdaderos positivos, falsos positivos, falsos negativos y verdaderos negativos: obtienes la exactitud, la precisión, la exhaustividad, la especificidad, el F1, la exactitud equilibrada, el índice de Youden y el coeficiente de Matthews.

Actualizado el
Tus datos

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Resultados

Puntuación F1

84,2 %

Coeficiente de correlación de Matthews (MCC)

0,704

Fuerte acuerdo entre la predicción y la realidad
Exactitud
85,0 %
Precisión (valor predictivo positivo)
80,0 %
Exhaustividad (sensibilidad)
88,9 %
Especificidad
81,8 %
Exactitud equilibrada
85,4 %
Índice J de Youden
0,707
Prevalencia de los positivos
45,0 %

Una matriz de confusión compara lo que una prueba, un clasificador o un modelo ha predicho con lo que ha ocurrido realmente. Contiene cuatro recuentos: los verdaderos positivos (detectados correctamente), los falsos positivos (detectados por error), los falsos negativos (no detectados) y los verdaderos negativos (descartados correctamente). Muchas medidas de calidad se construyen a partir de esos cuatro números. Esta calculadora obtiene las principales a la vez, para ver algo más que una simple cifra de exactitud.

Cómo se hace el cálculo

  • Exactitud = (VP + VN) ÷ total
  • Precisión = VP ÷ (VP + FP), exhaustividad = VP ÷ (VP + FN), especificidad = VN ÷ (VN + FP)
  • F1 = 2 × precisión × exhaustividad ÷ (precisión + exhaustividad)
  • Exactitud equilibrada = (exhaustividad + especificidad) ÷ 2
  • J de Youden = exhaustividad + especificidad − 1
  • MCC = (VP × VN − FP × FN) ÷ √((VP + FP)(VP + FN)(VN + FP)(VN + FN))

Ejemplo

Un clasificador encuentra 80 verdaderos positivos y 90 verdaderos negativos, con 20 falsos positivos y 10 falsos negativos, sobre 200 casos. La exactitud es del 85 %, la precisión del 80 %, la exhaustividad del 88,9 % y la especificidad del 81,8 %. La puntuación F1 es del 84,2 %, la exactitud equilibrada del 85,4 %, el J de Youden de 0,707 y el MCC de 0,704, un acuerdo fuerte.

Elegir la medida adecuada

Cuando los positivos son raros, la exactitud oculta los fallos: fíjate en la precisión y en la exhaustividad. La precisión importa cuando las falsas alarmas cuestan caras, como en un filtro de correo no deseado; la exhaustividad importa cuando dejar escapar un caso cuesta caro, como en el cribado de una enfermedad. El F1 combina ambas en una sola puntuación, y el MCC es el más equilibrado, porque solo es alto si las cuatro casillas son buenas.

Precauciones

Estas cifras describen los datos que has contado. Si los casos de prueba no son representativos, o si la prevalencia difiere en el uso real, la precisión y los valores predictivos cambiarán aunque la sensibilidad y la especificidad sigan siendo las mismas. En una prueba médica, examina cómo dependen los valores predictivos de la prevalencia antes de usar el resultado para decidir.

Preguntas frecuentes

¿Qué es una matriz de confusión?

Una tabla 2 × 2 que compara las clases predichas y reales: verdaderos y falsos positivos, verdaderos y falsos negativos.

¿Cuándo es engañosa la exactitud?

Cuando una clase es rara. Una prueba que responde siempre negativo acierta el 99 % de las veces si solo el 1 % de los casos son positivos, de ahí el uso del F1 y del MCC.

¿Qué es el MCC?

El coeficiente de correlación de Matthews, de −1 a 1, es una medida equilibrada que usa las cuatro casillas y sigue siendo pertinente con clases desequilibradas.

¿Qué es el índice J de Youden?

Sensibilidad + especificidad − 1. Va de 0 (inútil) a 1 (perfecto) y sirve para elegir un umbral de prueba.

¿Te ha resultado útil esta calculadora?

¡Gracias por tu opinión!

Resultados orientativos con fines informativos. No sustituyen el consejo de un profesional.