Precisión

La precisión (en inglés, precision) es una métrica de clasificación que mide qué proporción de los casos que un modelo predice como positivos son realmente positivos. Su fórmula es precisión = VP / (VP + FP), donde VP son los verdaderos positivos y FP los falsos positivos. La documentación de la implementación de scikit-learn la resume como la capacidad de no etiquetar como positivo un ejemplo negativo. Responde a una pregunta acotada: de todo lo marcado como positivo, ¿qué fracción era correcta?

La matriz de confusión

La precisión se lee en la matriz de confusión, que cruza lo predicho con lo real: verdaderos positivos, falsos positivos, verdaderos negativos y falsos negativos. Sólo usa los dos primeros términos. Por eso no premia a un clasificador por acumular verdaderos negativos, pero tampoco describe cuántos positivos reales se le escaparon.

Antes de calcularla hay que fijar qué etiqueta cuenta como «positiva». En problemas multiclase, la documentación oficial distingue entre calcular la métrica por clase y promediarla de forma macro, micro o ponderada. Dos informes pueden decir «precisión» y producir valores distintos si no declaran esa elección.

Precisión no es lo mismo que exactitud

La exactitud (accuracy) divide todos los aciertos —positivos y negativos— entre todos los casos. La precisión condiciona la pregunta a los casos predichos como positivos. Esa diferencia importa cuando las clases están desbalanceadas: muchos verdaderos negativos pueden hacer atractiva la exactitud aunque las alertas positivas funcionen mal.

Sin embargo, la precisión tampoco es inmune al desbalance. Saito y Rehmsmeier demostraron que la línea base de una curva precisión-recall es la proporción de positivos, de modo que cambia con la prevalencia. Powers analiza además su dependencia de la prevalencia y del sesgo de predicción. Para comparar modelos o poblaciones hay que publicar también la distribución de clases y la matriz de confusión.

Precisión frente a recall

El recall, VP / (VP + FN), pregunta qué fracción de todos los positivos reales recuperó el sistema. Al subir el umbral de una puntuación, es frecuente aceptar menos casos: pueden bajar los falsos positivos y subir la precisión, a costa de perder positivos y reducir el recall. No es una ley que obligue a cualquier par de modelos; la curva completa muestra el intercambio disponible para ese sistema y esos datos. El estudio de Saito y Rehmsmeier explica por qué esa curva resulta especialmente legible en escenarios desbalanceados.

La F1 es la media armónica de precisión y recall, como recoge la definición oficial de scikit-learn. Resume ambas en un número, pero no expresa el coste de cada error ni vuelve comparables poblaciones con prevalencias distintas. Elegir F1 ya presupone que interesa un equilibrio concreto.

Cuándo priorizar la precisión

Conviene exigir precisión alta cuando actuar sobre un falso positivo es costoso: una alerta activa una intervención, bloquea una operación o consume revisión humana escasa. Pero el nombre del dominio no basta. Un filtro de correo con carpeta de cuarentena tiene un coste distinto de un sistema que elimina mensajes; hay que describir la consecuencia y elegir el umbral con ella.

En recuperación de información, precisión significa la fracción de elementos recuperados que son relevantes. La documentación oficial de TREC distingue esa medida de conjunto de la precisión calculada en cortes de una lista ordenada. «Precisión@k» necesita, por tanto, declarar el valor de k y el criterio de relevancia. La regla práctica es leer cualquier cifra de precisión junto a cuatro datos: etiqueta positiva, población, umbral y forma de promedio.