Simulador de Métricas ML

Aprende a evaluar modelos de Machine Learning con simulaciones interactivas, gráficos en tiempo real y casos del mundo real.

Métricas Core

Accuracy, Precision, Recall, F1, Fβ, Especificidad, Umbral, ROC, AUC

9 Conceptos Interactivos

Conceptos Avanzados

PR-AUC, Overfitting, Validación Cruzada, Desbalanceo, Multi-Clase

5 Simulaciones

Casos Reales

Diagnóstico Médico, Fraude Financiero, Filtro Anti-Spam

3 Escenarios

¿Cómo usar? — Selecciona un módulo arriba. Cada simulación tiene controles interactivos (sliders, botones, escenarios predefinidos) que actualizan gráficos y métricas en tiempo real. Experimenta con los valores para desarrollar intuición sobre cómo se comportan las métricas.

01 Métricas Core — Simulación Interactiva

Escenarios:

Matriz de Confusión

Ajusta los 4 valores con los sliders. Todas las métricas se recalculan.

TP — Acierto

Detectó correctamente ✓

FN — Escapado

Se le escapó un positivo ✗

FP — Falsa Alarma

Acusó sin razón ✗

TN — Acierto

880

Confirmó negativo ✓

TP85 FP20 FN15 TN880

Total muestras1000

Fβ-Score — Peso configurable

β controla la importancia relativa de Recall vs Precision.

β = 1.00.000

β=0.1 → Más peso a Precisionβ=4.0 → Más peso a Recall

Umbral de Decisión

Threshold0.50

↓ Bajo: Más Recall, menos Precision↑ Alto: Más Precision, menos Recall

ACCURACY—

PRECISION—

RECALL—

F1-SCORE—

ESPECIFICIDAD—

ROC-AUC—

Curva ROC: Más cerca de la esquina superior izquierda = mejor modelo. La diagonal = azar.

Curva PR: Más arriba y a la derecha = mejor. La línea base = prevalencia de clase positiva.

Trade-off: Al mover el umbral, Precision y Recall se mueven en direcciones opuestas.

Comparativa: Todas las métricas en una sola vista. Identifica cuál está más baja.

Interpretación

02 Conceptos Avanzados

Overfitting vs Underfitting

Ajusta la complejidad del modelo y observa cómo cambia el rendimiento en train vs test.

Complejidad del modelo

UnderfittingÓptimoOverfitting

Validación Cruzada — K-Fold

Selecciona K y observa cómo se dividen los datos en cada fold.

Número de Folds (K)

Clases Desbalanceadas

Ajusta el porcentaje de clase positiva y observa el impacto en las métricas.

% Clase Positiva5%

Métricas Multi-Clase — Macro, Micro, Weighted

3 clases con diferente rendimiento. Compara cómo cambia el promedio según el método.

Clase	Precision	Recall	F1	Soporte
A (mayoritaria)	0.92	0.95	0.93	800
B (media)	0.78	0.72	0.75	150
C (rara)	0.45	0.30	0.36	50

Macro trata las 3 clases igual → revela que C falla.
Micro suma todo → dominada por A (la grande).
Weighted pondera por soporte → balance real.

03 Casos del Mundo Real

Escenario: 10,000 mamografías. Solo 2% son cáncer (200 casos). Un Falso Negativo = paciente con cáncer que se va sin diagnóstico. Recall es vida.

Modelo A — "El Mentiroso"

200

9800

Acc: 98.0% Recall: 0.0% F1: 0.0%

NO detecta ningún cáncer. Accuracy engañosa.

Modelo B — "El Salvador" ✓

184

180

9620

Acc: 92.0% Recall: 92.0% F1: 65.2%

Detecta 184 de 200 cánceres. Salva vidas.

Lección: Modelo B tiene MENOS accuracy (92% vs 98%) pero es infinitamente superior. El Recall de 92% significa que detecta 184 de 200 cánceres. Las 180 falsas alarmas se resuelven con exámenes adicionales. Un FN aquí puede ser fatal.

Escenario: 1M de transacciones. Solo 0.5% son fraude (5,000). Accuracy es inútil: decir "todo legítimo" = 99.5%. F1-Score y PR-AUC son las métricas guía.

Comparativa de Métricas

Métrica	Modelo Tonto	Modelo Real	Veredicto
Accuracy	99.5%	97.8%	Engañosa
Precision	0.0%	68.0%	Reveladora
Recall	0.0%	72.0%	Reveladora
F1-Score	0.0%	69.9%	Métrica guía
ROC-AUC	0.50	0.96	Optimista
PR-AUC	0.005	0.42	La más honesta

Lección: Con 0.5% de fraude, ROC-AUC da 0.96 (parece excelente) pero PR-AUC revela 0.42 (el modelo falla la mayoría de las veces cuando señala fraude). La brecha entre ROC y PR-AUC expone el problema real. Siempre usar PR-AUC con eventos raros.

Escenario: Filtro de email corporativo. Un FP = correo legítimo importante bloqueado = contrato perdido. Precision > 99% es obligatorio.

Impacto de Ajustar el Umbral

Umbral	Precision	Recall	FP (correos perdidos)	Veredicto
0.30	89.2%	96.0%	348 correos/mes	Inaceptable
0.50	95.1%	91.0%	140 correos/mes	Riesgoso
0.70	98.3%	84.0%	48 correos/mes	Aceptable
0.90	99.6%	72.0%	12 correos/mes	Recomendado

Lección: A umbral 0.30, el filtro bloquea 348 correos legítimos al mes — inaceptable para una empresa. A umbral 0.90, solo 12 correos se pierden, pero algo de spam llega. La Precision de 99.6% protege la confianza del usuario. Usar F0.5 (doble peso a Precision) como métrica de selección.