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.