Exactitud

La exactitud (accuracy) es la métrica más intuitiva para evaluar un clasificador: mide la fracción de predicciones correctas sobre el total. En una tarea de clasificación se calcula sumando los aciertos —los verdaderos positivos (VP) y los verdaderos negativos (VN)— y dividiéndolos entre todas las predicciones. En texto plano: Exactitud = (VP + VN) / (VP + VN + FP + FN), donde FP son los falsos positivos y FN los falsos negativos. El resultado, entre 0 y 1 o expresado como porcentaje, responde a una pregunta sencilla: ¿qué proporción de casos etiquetó bien el modelo? La documentación del Machine Learning Crash Course de Google for Developers y la biblioteca scikit-learn la definen exactamente así.

Cómo se calcula

Toda evaluación de un clasificador parte de la matriz de confusión, la tabla que cruza las etiquetas reales con las predichas y reparte cada caso en una de cuatro casillas: VP, VN, FP y FN. La exactitud agrega esa tabla en un único número: los aciertos de la diagonal divididos entre el total. En un problema binario equilibrado —pongamos, mitad de correos legítimos y mitad spam— es una medida honesta y fácil de comunicar. Conviene no confundir este sentido con el de la metrología: en la norma ISO 5725, «exactitud» combina la veracidad —cercanía al valor real— y la «precisión» —reproducibilidad de las medidas—, dos conceptos distintos. En aprendizaje automático, «accuracy» tiene el sentido de arriba: proporción de aciertos.

Por qué engaña con clases desbalanceadas

El problema aparece cuando una clase domina a la otra. Si el 99% de las transacciones son legítimas y solo el 1% son fraude, un modelo que prediga siempre «legítima» acierta el 99% de las veces sin detectar un solo fraude. Su exactitud es altísima y su utilidad, nula. A esto se le llama la paradoja de la exactitud (accuracy paradox): el gran volumen de verdaderos negativos ahoga a los pocos positivos que de verdad importan. Google for Developers lo ilustra con una enfermedad presente en 10 de cada millón de pacientes, donde un modelo puede exhibir un 99,98% de exactitud mientras se le escapa el 40% de los enfermos. La cifra tranquiliza, pero esconde el fallo.

Qué usar en su lugar

Por eso la exactitud rara vez viaja sola. La precisión mide qué fracción de las alarmas fueron ciertas; la exhaustividad (recall) mide qué fracción de los positivos reales se capturaron; y la F1 combina ambas en su media armónica, útil precisamente cuando las clases están desbalanceadas. Para un juicio que use las cuatro casillas de la matriz a la vez, el coeficiente de correlación de Matthews (MCC) solo da una puntuación alta si el modelo acierta en positivos y negativos por igual; Davide Chicco y Giuseppe Jurman argumentaron en 2020 que es más informativo que la F1 y la exactitud en clasificación binaria. La exactitud sigue siendo un buen primer vistazo, pero nunca la última palabra.