Matriz de Confusión

¿Qué es una Matriz de Confusión?

Una matriz de confusión es una tabla utilizada para evaluar el rendimiento de una classification algorithm. It provides a comprehensive view of how well the model is performing by summarizing the results of predictions made por el modelo.

Componentes de una Matriz de Confusión

Una matriz de confusión generalmente consta de cuatro componentes clave:

• Verdaderos Positivos (TP): El número de casos correctamente predichos como positivos.
• Verdaderos Negativos (TN): El número de casos correctamente predichos como negativos.
• Falsos Positivos (FP): The number of instances incorrectly predicted as positive (also known as Type I error).
• Falsos Negativos (FN): The number of instances incorrectly predicted as negative (also known as Type II error).

Comprendiendo la Matriz

La estructura de una matriz de confusión puede ilustrarse de la siguiente manera:

                  Predicted Positive    Predicted Negative
Actual Positive         TP                     FN
Actual Negative         FP                     TN

This layout helps in visualizing the performance of the classification model, allowing for the calculation of various métricas de rendimiento.

Métricas de rendimiento

A partir de los valores en la matriz de confusión, se pueden derivar varias métricas de rendimiento importantes:

• Precisión: (VP + VN) / (VP + VN + FP + FN)
• Precisión: VP / (VP + FP)
• Recordar (Sensibilidad): VP / (VP + FN)
• Puntuación F1: 2 * (Precisión * Recall) / (Precisión + Recall)

Estas métricas ayudan a determinar qué tan bien está funcionando un modelo en términos de identificar correctamente casos positivos y negativos. Una matriz de confusión bien construida es esencial para entender las fortalezas y debilidades de un modelo de clasificación.