¿Qué métricas de calidad de clasificación existen?

Para evaluar la calidad de la clasificación binaria, a menudo se utilizan las siguientes métricas:

• Precisión (Accuracy) — proporción de objetos correctamente clasificados (tanto positivos como negativos) del total.
• Precisión del positivo (Precision) — proporción de objetos positivos correctamente predichos entre todos los que la modelo clasificó como positivos.
• Recall (Sensibilidad) — proporción de objetos positivos correctamente encontrados respecto a todos los positivos reales.
• F1-score — media armónica entre precisión y recall, que equilibra ambas.
• ROC-AUC — área bajo la curva ROC, que muestra la calidad de separación de clases en diferentes umbrales.

Por ejemplo, si el modelo predice una enfermedad, la precisión mostrará con qué frecuencia la predicción positiva es correcta, y el recall cuántos enfermos puede detectar.