Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Métricas
Métricas
Modelos
Reconocimiento de Patrones - OPIM01
f
f
datos de prueba. 1
0
f
f
f
f
f
Precisión de clasi icación
Reconocimiento de Patrones
ŷ ytrue
• Dado que se está trabajando con un modelo
1 1
supervisado, se cuenta con la clase real a la
que pertenece cada muestra. Estos valores se 0 1
1 0
1 1
0 1
1 1
0 0
f
Precisión de clasi icación
Reconocimiento de Patrones
ŷ ytrue
• La precisión en la clasi icación queda como:
1 1
0 1
5 0 0
Accuracy = ≈ 62.5 % 1 0
8 1 1
0 1
1 1
0 0
f
f
Matriz de Confusión
Reconocimiento de Patrones
Matriz de Confusión
Reconocimiento de Patrones
Predichas
VP - Verdaderos positivos
Tiene la No tiene la
enfermedad enfermedad VN - Verdaderos negativos
Tiene la
VP FP FP - Falsos positivos
enfermedad
Reales
FN - Falsos negativos
No tiene la
FN VN
enfermedad
Matriz de Confusión
Reconocimiento de Patrones
ŷ ytrue
• De vuelta al ejemplo anterior, se puede formar
1 1
la siguiente matriz de confusión.
0 1
0 0
3 2 1 0
1 1
0 1
1 2
1 1
0 0
Precisión por clase
Reconocimiento de Patrones
3 2 3
Precisión = ≈ 60 %
1 2 5
Recall
Reconocimiento de Patrones
3 2 3
Recall = ≈ 75 %
1 2 4
f
F1-Score
Reconocimiento de Patrones
Evaluación de modelos de
regresión
Uso de un modelo de aprendizaje para regresión
Reconocimiento de Patrones
Error cuadrado medio
Reconocimiento de Patrones
¿Preguntas?