Cómo se calcula el accuracy
En el momento en que haya establecido adecuadamente sus pronósticos, debe determinar un horizonte de pronóstico. Este es solo el período temporal futuro para el que se tienen que elaborar los pronósticos.
En el próximo ejemplo, se calculó una previsión de ventas a nivel de producto para el mes de mayo. Estos pronósticos se actualizan todos y cada uno de los meses y se tiene presente el historial de pedidos: en el mes de enero, el pronóstico de mayo mostró ventas de 500 proporciones. En el mes de febrero fueron 700. En el mes de marzo fueron 900, etcétera. Por último, se vendieron 1.000 proporciones.
F1
El valor F1 se utiliza para conjuntar las medidas de precisión y restauración en un solo valor. Esto es recomendable pues posibilita la comparación del desempeño mezclado de precisión y también integridad entre distintas resoluciones.
F1 se calcula tomando la media armónica entre precisión y completitud:
¿Qué es la matriz de confusión y para qué exactamente sirve?
Tengamos en cuenta que el modelo de clasificación es un modelo que puede adivinar a qué clase forma parte un nuevo caso, basado en lo aprendido en casos precedentes. Entonces, en un modelo binario, tenemos la posibilidad de estimar 2 clases: «positivo» y «negativo». Basándonos en datos históricos de nuestra base de clientes del servicio, por poner un ejemplo, tenemos la posibilidad de crear un modelo que prediga si un cliente va a darse de baja (caso de predicción «inhabilitar») o no.
Para valorar este modelo que hemos desarrollado, solo tenemos la posibilidad de calcular su precisión, como la relación entre las conjeturas adecuadas efectuadas por el modelo y el total de conjeturas.
Precisión
La traducción al español tendría precisión, pero como hay otra métrica que asimismo tiene exactamente la misma traducción, opté por dejarla en inglés. La métrica de precisión representa el porcentaje general de valores clasificados adecuadamente, tanto positivos como negativos.
Precisión = (TP + TN) / (TP + TN + FP + FN)
a) Precisión
es la Precisión (en inglés, «Accuracy») tiene relación a qué tan cerca está el resultado de una medición del valor verdadero. En términos estadísticos, la precisión está relacionada con el corte de estimación. Se expresa como la proporción de desenlaces reales (reales positivos (VP) y reales negativos (TN))) dividida por el total de casos examinados (reales positivos, falsos positivos, reales negativos, falsos negativos)
I En la práctica, la Precisión es el número de conjeturas positivas que fueron adecuadas.
