Exactitud

Infografía sobre exactitud

📊 ¿De verdad sabemos medir bien nuestros modelos de clasificación?

Comparto esta infografía sobre una de las métricas más utilizadas (y a veces mal interpretadas) en machine learning: la exactitud (accuracy) 👇

🧠 Idea clave

La accuracy mide el porcentaje de predicciones correctas… pero no siempre cuenta toda la historia.

🔍 Qué se ve en la imagen

• 📦 Clasificación binaria (clase A vs. clase B)
• 🧩 Matriz de confusión: TP, TN, FP, FN
• 📐 Fórmula de accuracy
• ⚖️ Impacto del umbral de decisión
• 📊 Ejemplo práctico con resultados reales

⚠️ El matiz importante

Puedes tener una accuracy alta… y aun así un modelo poco útil.

Ejemplo típico:

• Dataset desbalanceado
• El modelo acierta “lo fácil”
• Pero falla justo donde importa
• Puede estar sobreajustado

💡 Conclusión

• 👉 La accuracy es un buen punto de partida
• 👉 Pero nunca debería ser la única métrica

Combínala con:

• 🎯 Precision
• 🔁 Recall
• 📉 F1-score

Si trabajas con modelos de clasificación, este tipo de fundamentos marca la diferencia entre “funciona” y “entiendo por qué funciona” 👇