Ejemplos de matrices de confusión.
Una herramienta, cuatro solicitudes. Todos los diagramas de abajo son resultados reales.
Qué es una matriz de confusión.
Una matriz de confusión es una tabla que permite evaluar un modelo de clasificación. Las filas representan las clases reales y las columnas, las clases predichas. Cada celda cuenta cuántas veces el modelo obtuvo ese resultado para una clase real y una predicha.
La diagonal contiene las clasificaciones correctas. Las celdas fuera de la diagonal muestran los errores específicos, como los tickets de facturación que se envían al soporte técnico. A partir de estos recuentos, puedes calcular la exactitud, la precisión, la exhaustividad, la especificidad y la puntuación F1.
- Engine
- echarts-heatmap
- Editable
- Describe the change
- Export
- SVG · PNG · PDF
Quién usa matrices de confusión.
Analizan qué clases confunde un modelo de enrutamiento antes de cambiar las características o los umbrales.
Analizan las aprobaciones erróneas y las alertas falsas de un modelo de detección de fraude.
Relacionan los recuentos de clasificación con la exactitud, la precisión y la exhaustividad de forma visual.
Cómo crear una matriz de confusión en tres pasos.
Descríbelo
Basta con un párrafo para empezar.
Mira el diagrama
Lo dibuja el motor adecuado.
Indica qué cambiar
Cada cambio guarda una versión.
Preguntas habituales
¿Qué es una matriz de confusión?
Una matriz de confusión es una tabla de rendimiento de un modelo de clasificación. Cuenta las clases reales frente a las predichas y distingue las predicciones correctas de cada tipo de error.
¿Cómo se lee una matriz de confusión?
Lee la diagonal como las predicciones correctas y las celdas fuera de ella como los errores. Los valores altos fuera de la diagonal indican qué clases confunde el modelo con más frecuencia.
¿Puede una matriz de confusión tener más de dos clases?
Sí. Un modelo con N clases usa una matriz de N por N, con una fila y una columna por cada clase.
¿Qué métricas puedo calcular a partir de una matriz de confusión?
Entre las métricas habituales están la exactitud, la precisión, la exhaustividad, la puntuación F1 y la especificidad. La métrica adecuada depende de qué tipo de error sea más importante.
Otros diagramas para el mismo trabajo.
Crea una matriz de confusión ahora.
Cuenta gratuita, sin tarjeta. Indica los recuentos de las clases reales y predichas.
Abrir el editor