De las alertas que lanza una IA a los casos que detecta: precisión y recall dividen entre grupos distintos
Un clasificador ficticio permite separar falsas alarmas y casos omitidos. La documentación de Google define las dos métricas con denominadores diferentes.
En evaluación de clasificadores, precisión y recall no responden a la misma pregunta. La documentación de Google define precisión como la proporción de positivos predichos que realmente lo son. Recall mide qué parte de los positivos reales ha identificado el sistema. Usar la palabra aciertos sin indicar el grupo de comparación oculta esa diferencia.
Construyamos un caso propio de clasificación de documentos, sin entrenar un modelo. De 100 documentos que debían recibir una alerta, el sistema marca 80 y omite 20. Además alerta sobre 40 documentos que no debían marcarse. Hay 120 alertas en total: 80 correctas y 40 falsas. La precisión es 80/120, aproximadamente 66,7%; el recall es 80/100, el 80%.
Los dos porcentajes describen la misma salida. El primero ayuda a preguntar cuántas alertas requieren una revisión que termina descartándolas; el segundo, qué parte del grupo buscado ha quedado sin localizar. Ninguno determina por sí solo cuántas horas ahorra el sistema o qué error resulta más costoso para el equipo.
Una ficha de evaluación puede conservar positivos reales, positivos detectados, falsos avisos, omisiones y criterio de etiquetado. Para comparar dos configuraciones hay que mantener identificado el conjunto evaluado y el umbral de decisión. Google advierte de que estas métricas se calculan a un umbral determinado y pueden cambiar al modificarlo.
Antes de escoger una configuración proponemos decidir qué consecuencias tienen revisar un aviso falso y pasar por alto un documento relevante. Esta comparación concreta no es un benchmark de un producto ni una garantía sobre documentos futuros; enseña a no llamar 80% de precisión a una cifra que, en este supuesto, es recall.