Jyts

Si solo el 1% de los casos son positivos, un modelo que nunca detecta ninguno ya tiene un 99% de accuracy. Pasa igual en fraude, en diagnóstico médico y en detección de spam o ciberataques.

Lo que de verdad mide si tu modelo sirve:

01 · Precision: de lo que marcas como positivo, cuánto lo es de verdad.
02 · Recall: de todos los casos reales, cuántos detectas.
03 · PR-AUC: el trade-off en todos los umbrales, sin inflarse con el desbalanceo.

Y el umbral no es 0,5 por defecto. Es una decisión de negocio: lo que cuesta una falsa alarma frente a lo que cuesta un caso que se escapa.

Guarda y comparte esta joya con quien todavía evalúa sus modelos con el accuracy.

¿Qué métrica te enseñaron mal en tu primer trabajo con datos desbalanceados?

#datascience #machinelearning #cienciadedatos #estadistica #IA