Calculadora de matriz de confusión

Cómo usar la calculadora

1. Cuenta cuántos casos caen en cada celda de tu matriz de confusión e introdúcelos en Verdaderos positivos, Falsos positivos, Falsos negativos y Verdaderos negativos. Los cuatro valores deben ser números enteros \(\ge 0\).
2. Elige Mostrar métricas como: «Proporciones (0–1)» para valores decimales o «Porcentajes (0–100%)» para valores en porcentaje.
3. Lee los resultados: Predicciones totales, Exactitud, Precisión (valor predictivo positivo), Exhaustividad (sensibilidad, tasa de verdaderos positivos), Especificidad (tasa de verdaderos negativos) y Puntuación F1, seguidos de un resumen de cómo se calcularon las métricas y de cómo interpretarlas.
4. Si una métrica aparece como «—», su denominador era cero; por ejemplo, la precisión queda sin definir cuando el modelo nunca predice un caso positivo (\(TP + FP = 0\)).

¿Qué es una matriz de confusión?

La matriz de confusión es el informe de evaluación básico de un clasificador binario. Es una tabla de 2×2 que cruza la clase real de cada caso (positiva o negativa) con la clase que predijo el modelo. Las cuatro celdas — verdaderos positivos, falsos positivos, falsos negativos y verdaderos negativos — cubren todos los resultados posibles, de modo que su suma \(n\) es el número total de casos clasificados. A partir de esos cuatro números se pueden derivar todas las medidas estándar de calidad de la clasificación.

Cada una de las cinco métricas que se calculan aquí responde a una pregunta distinta. La exactitud pregunta: en conjunto, ¿qué fracción de las predicciones fue correcta? La precisión pregunta: cuando el modelo dice «positivo», ¿con qué frecuencia acierta? Una precisión baja significa muchas falsas alarmas. La exhaustividad (también llamada sensibilidad o tasa de verdaderos positivos) pregunta: de todos los casos que realmente son positivos, ¿a cuántos detectó el modelo? Una exhaustividad baja significa casos que se escapan. La especificidad es la exhaustividad de la clase negativa: lo bien que el modelo reconoce los verdaderos negativos. El F1 es la media armónica de precisión y exhaustividad, y equilibra las dos: solo es alto cuando ambas lo son.

¿Por qué no conformarse con la exactitud? Porque engaña cuando las clases están desequilibradas. Si solo el 1% de los casos son positivos, un modelo trivial que etiqueta todo como negativo alcanza un 99% de exactitud sin detectar ni un solo positivo. La precisión, la exhaustividad y el F1 se centran en la clase positiva y destapan ese tipo de fallos de inmediato. Qué métrica importa más depende del coste de los errores: en el cribado de cáncer, un tumor pasado por alto (falso negativo) es mucho peor que una falsa alarma, así que se prioriza la exhaustividad; en el filtrado de spam, un correo legítimo perdido (falso positivo) puede ser peor, así que la precisión pesa más.

En los contextos médicos y epidemiológicos, estos mismos números reciben otros nombres: la exhaustividad es la sensibilidad, la precisión es el valor predictivo positivo (VPP) y la proporción de positivos reales \((TP + FN)/n\) es la prevalencia. Si conoces la sensibilidad, la especificidad y la prevalencia de una prueba, puedes avanzar hasta los valores predictivos con el teorema de Bayes.

Supuestos, limitaciones y consejos prácticos

• La calculadora trata los cuatro recuentos como enteros exactos procedentes de una única pasada de clasificación. Supone que cada caso pertenece exactamente a una celda y que la clase «positiva» es la que te interesa detectar.
• Todas las métricas se calculan sobre la muestra introducida, de modo que son estimaciones sujetas a error de muestreo. Con recuentos pequeños (por ejemplo, menos de 30 positivos), informa de un intervalo de confianza — el intervalo de Wilson es una buena opción para proporciones — en lugar de un porcentaje suelto.
• Las métricas con denominador cero quedan sin definir y se muestran como «—»: la precisión cuando no se predijo ningún positivo, la exhaustividad cuando no hay positivos reales, la especificidad cuando no hay negativos reales, y el F1 cuando tanto la precisión como la exhaustividad son cero.
• El F1 pondera por igual la precisión y la exhaustividad. Si una importa más en tu aplicación, usa en su lugar la puntuación \(F_\beta\) (por ejemplo, \(F_2\) favorece la exhaustividad y \(F_{0.5}\) la precisión).
• La matriz de confusión no dice nada de por qué se equivoca el modelo ni de cómo se compara con otro modelo sobre los mismos datos. Para comprobar si dos clasificadores (o dos evaluadores) difieren de forma significativa en resultados emparejados, usa la prueba de McNemar; para proporciones independientes, aplica la prueba Z de dos proporciones o la prueba exacta de Fisher.
• Una matriz de confusión exige decisiones categóricas (binarias). Si tu modelo devuelve probabilidades, los recuentos — y por tanto todas las métricas — dependen del umbral que elijas para convertir las puntuaciones en etiquetas, así que informa siempre del umbral junto con las métricas.