Recall

Infografía de recall

📊 ¿Cuántos casos importantes está detectando tu modelo?

Comparto esta infografía sobre otra métrica clave en clasificación: el recall (sensibilidad) 👇

🧠 Idea clave

El recall no mide precisión…
👉 mide cuántos casos positivos reales estás capturando

🔍 Qué se ve en la imagen

• 📦 Clasificación binaria (Clase A vs. Clase B)
• 🧩 Matriz de confusión: TP, FN, FP, TN
• 📐 Fórmula de recall
• ⚖️ Impacto del umbral de decisión
• 📊 Ejemplo práctico aplicado

⚠️ El matiz importante

Un modelo con alto recall:

• ✔️ Detecta la mayoría de los casos positivos
• ❗ Pero puede aumentar los falsos positivos

👉 Recall alto ≠ modelo preciso

💡 Cuándo importa de verdad

El recall es crítico cuando el coste de no detectar un caso es alto:

• 🏥 Diagnóstico médico
• 🚨 Detección de fraude
• 🔐 Sistemas de seguridad

💡 Conclusión

El recall responde a una pregunta clave:

• 🎯 “De todos los casos positivos reales… ¿cuántos he detectado?”

Debe analizarse siempre junto con precision para equilibrar el modelo.

Si trabajas con modelos de clasificación, esta métrica es imprescindible 👇