Glosario IA
El diccionario completo de la Inteligencia Artificial
Precisión
Métrica que mide la relación entre los verdaderos positivos y el conjunto de predicciones positivas, indicando la fiabilidad de las predicciones positivas del modelo.
Exactitud (Accuracy)
Proporción de predicciones correctas entre el total de predicciones, midiendo el rendimiento global pero pudiendo ser engañosa con clases desbalanceadas.
Especificidad
Tasa de verdaderos negativos, midiendo la capacidad del modelo para identificar correctamente las instancias negativas, complementaria al recall.
AUC-ROC
Área bajo la curva ROC, evaluando la capacidad discriminante del modelo independientemente del umbral de clasificación, con 1 representando un rendimiento perfecto.
Coeficiente de Correlación de Matthews (MCC)
Coeficiente de correlación entre las observaciones y predicciones binarias, proporcionando una medida equilibrada incluso con clases fuertemente desbalanceadas.
Pérdida Logarítmica (Log Loss)
Función de pérdida que mide la divergencia entre las probabilidades predichas y las etiquetas reales, penalizando las predicciones confiadas pero incorrectas.
Error Porcentual Absoluto Medio (MAPE)
Promedio de los errores absolutos expresados como porcentaje de los valores reales, facilitando la interpretación relativa del error de predicción.
Kappa de Cohen
Medida de acuerdo entre predicciones y observaciones reales, corrigiendo la concordancia debida al azar, particularmente útil en clasificación multiclase.
Área bajo la Curva Precisión-Recall (AUC-PR)
Área bajo la curva precisión-recall, que proporciona una medida sintética del rendimiento especialmente adecuada para problemas con clases desbalanceadas.