ExactitudAccuracy
La proporción de aciertos entre todas las decisiones tomadas
- La exactitud es la proporción de aciertos sobre el total de veces que se decide. Si se hacen cien decisiones y noventa y cinco salen bien, es del noventa y cinco por ciento.
- Para medirla hace falta antes un registro de lo que era cada cosa en realidad. Sin ese registro no se puede contar quién acertó.
- Es el primer número que se mira, pero no dice de qué forma se falló.
- Cuando lo que se busca es algo raro, hasta no hacer nada puede dar una exactitud más alta.
- Por eso la exactitud no se usa sola: se mira junto a otras medidas.
Contenido
1La analogía
Cada mañana se abre el buzón de devoluciones de una biblioteca y hay libros que llegaron durante la noche. Se van revisando uno a uno y se marca cada cual: "en buen estado" o "dañado". En un día se revisan cien libros, y al comparar después con el estado real, se puede contar cuántos se acertaron. Si se acertaron noventa y cinco, esa proporción —noventa y cinco por ciento— es la exactitud.
Pero ese día, de los cien libros, solo uno de verdad estaba roto o mojado. Entonces, ¿qué pasa si ni siquiera se abren los libros y se sella todo como "en buen estado"? Se acierta en noventa y nueve. Noventa y nueve por ciento de exactitud, más alto incluso que quien revisó cada libro con cuidado.
Quien solo selló devolvió a la estantería justo ese libro roto. El número parece una revisión excelente, pero se dejó pasar el único ejemplar por el que existía el punto de revisión.
2En detalle
Para contar aciertos hace falta primero un registro
La exactitud no aparece sola. Junto a cada decisión que toma la IA tiene que existir, aparte, un registro de qué era realmente cada caso; solo entonces se puede contar. Ese registro es la verdad de referencia.
Hablar de medir la exactitud implica entonces dos preparativos: apartar de antemano los datos que se van a evaluar, y confirmar a mano cuál era la respuesta real de esos datos. Si se mide la exactitud con los mismos datos que se usaron para entrenar, el resultado es solo lo bien que se memorizó, así que los datos de evaluación se dejan completamente fuera del entrenamiento.
Lo que se pierde al resumir en un solo número
La exactitud reparte los resultados en solo dos montones: acierto y error. Dentro de eso, todas las formas de equivocarse reciben el mismo trato.
Volviendo al buzón, hay dos formas de fallar: marcar como dañado un libro que está perfecto, o dejar pasar como bueno uno que está roto. La primera solo obliga a revisar una vez más; la segunda hace que la próxima persona reciba un libro roto. El peso es completamente distinto, pero la exactitud cuenta ambas como "un error" por igual.
Para separar cómo se falló hace falta anotar los cuatro casos posibles en una tabla. Esa tabla es la matriz de confusión, y de sus casillas salen la precisión y la exhaustividad.
Cuando lo raro es lo que importa, la exactitud se desmorona
En datos donde un tipo domina por completo, la exactitud se infla con facilidad. Si de cien libros solo uno está dañado, con marcar "en buen estado" a todos sin abrirlos ya se llega al noventa y nueve por ciento. A este desequilibrio se le llama desequilibrio de clases.
En ese escenario, un noventa y nueve por ciento de exactitud no dice nada del rendimiento: dice cómo son los datos. Cuanto más raro sea lo que se busca, más alto sale el número de no hacer nada. Cuanto más raro es el caso que hay que encontrar, menos se puede confiar en la exactitud.
Hay un truco útil: antes de mirar la exactitud, calcular cuánto obtendría una máquina que no decide nada. Si el modelo no supera claramente ese número, todavía no ha aprendido nada.
El examen cambia y la nota cambia con él
Un mismo modelo puede dar exactitudes muy distintas según con qué datos se lo mida. Si se prueba solo con libros recién llegados, el número sale alto; si se juntan solo libros muy usados y en estado dudoso, cae de golpe.
Por eso, al hablar de exactitud, el número solo no basta. Hace falta decir con qué se midió y cuántos casos se usaron. Un cien por ciento medido con diez casos vale mucho menos que un noventa y dos por ciento medido con diez mil.
Aun así, es lo primero que se mira
Con límites tan claros, la exactitud sigue en primer lugar. Es sencilla de calcular, se entiende de inmediato al explicarla y sirve para comparar dos modelos a grandes rasgos.
En resumen: si los dos tipos de caso son parecidos en cantidad y el peso de equivocarse también es parecido, la exactitud basta. Si uno es raro o un error pesa mucho más que el otro, se la deja solo como primera línea y el resto de la decisión se apoya en otras medidas.
3Con más precisión
La exactitud es el número de decisiones correctas dividido entre el total. En problemas de dos categorías esto lo resume todo, pero en problemas con muchas categorías la proporción de aciertos puede variar mucho de una categoría a otra, y la exactitud general no dice cuál anda floja. Por eso se suele medir cada categoría por separado y promediar de forma pareja.
La IA suele entregar un valor como "0,9 a favor de en buen estado", y dónde se pone el corte para decidir determina el resultado. Mover ese corte también mueve la exactitud del mismo modelo. No es una propiedad fija del modelo, sino un valor que definen juntos el punto de corte y los datos con que se examina.
También hay un punto donde la comparación cojea. Un libro devuelto se puede volver a abrir después para confirmar su estado real, pero la verdad de referencia que se usa para evaluar una IA la pega una persona a mano, y esa misma verdad de referencia puede estar mal. Si el registro está mal, la exactitud sale mal con él.
4Pruébalo
5Malentendidos comunes
Es fácil pensar que una exactitud alta significa un buen modelo, pero en realidad, cuanto más raro es lo que se busca, más alta es la exactitud de no decidir nada.
Es fácil pensar que un noventa por ciento de exactitud significa que acertará nueve de cada diez veces en mi caso, pero en realidad, si los datos de la prueba son distintos a los míos, ese número no se traslada tal cual.
Es fácil pensar que exactitud y precisión son lo mismo, pero en realidad la exactitud es la proporción de aciertos sobre el total y la precisión es la proporción de aciertos entre lo que se marcó como positivo: cuentan cosas distintas.
7Resumen en una línea
En resumenLa exactitud es la proporción de aciertos sobre el total de decisiones, así que se entiende de un vistazo, pero si lo que se busca es raro, no hacer nada también saca una nota alta, y por eso nunca se mira sola.
¿Has visto un error o tienes una analogía mejor? Sugerir una corrección · Última actualización2026-09-02