Cómo se usa
- Pega la matriz, una fila por clase real:
50 3 2; 5 40 5; 0 4 41. - Si quieres, añade los nombres de las clases en el mismo orden, por ejemplo
gato perro pájaro. - La exactitud y el F1 macro aparecen arriba, las demás métricas globales debajo y, después, la precisión, el recall, el F1 y el soporte por clase.
Fórmulas
Para una clase c: VP es su celda de la diagonal, FP el resto de su columna y FN el resto de su fila.
- Precisión = VP/(VP + FP), recall = VP/(VP + FN), F1 = 2VP/(2VP + FP + FN).
- Exactitud = traza / total.
- Macro es la media de las clases; ponderada, la media con pesos según el soporte.
- MCC = (c·s − Σ pₖtₖ) / √((s² − Σ pₖ²)(s² − Σ tₖ²)), con c la traza, s el total, tₖ las sumas de fila y pₖ las sumas de columna.
- Kappa de Cohen κ = (p₀ − pₑ)/(1 − pₑ), con p₀ = exactitud y pₑ = Σ pₖtₖ / s².
Ejemplo resuelto
Un filtro de spam con 100 correos: spam detectado como spam, 40; spam como correo normal, 10; correo normal como spam, 5; correo normal como normal, 45. Matriz: 40 10; 5 45.
- Exactitud = 85/100 = 0,85.
- Spam: precisión 40/45 = 0,888889, recall 40/50 = 0,8, F1 80/95 = 0,842105.
- Correo normal: precisión 45/55 = 0,818182, recall 0,9, F1 90/105 = 0,857143.
- F1 macro = 0,849624. MCC = (40·45 − 5·10)/√(45·55·50·50) = 0,703526 y κ = (0,85 − 0,5)/0,5 = 0,7.
Consejos y errores frecuentes
- Comprueba la orientación: si intercambias filas y columnas, precisión y recall se intercambian.
- Con clases desequilibradas, la exactitud por sí sola engaña: mira el recall de las clases pequeñas, el F1 macro o el MCC.
- Para una tabla médica 2×2 con sensibilidad, especificidad y valores predictivos, usa la calculadora de sensibilidad y especificidad.