{"id":20901,"date":"2024-02-20T22:17:06","date_gmt":"2024-02-20T21:17:06","guid":{"rendered":"https:\/\/complex-systems-ai.com\/?page_id=20901"},"modified":"2024-02-20T23:00:48","modified_gmt":"2024-02-20T22:00:48","slug":"auc-et-roc","status":"publish","type":"page","link":"https:\/\/complex-systems-ai.com\/es\/el-aprendizaje-supervisa\/auc-y-roca\/","title":{"rendered":"AUC y Rep\u00fablica de China"},"content":{"rendered":"<div data-elementor-type=\"wp-page\" data-elementor-id=\"20901\" class=\"elementor elementor-20901\">\n\t\t\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-63eb5d7 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"63eb5d7\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-33 elementor-top-column elementor-element elementor-element-e7039b1\" data-id=\"e7039b1\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-7dd8f10 elementor-align-justify elementor-widget elementor-widget-button\" data-id=\"7dd8f10\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm\" href=\"https:\/\/complex-systems-ai.com\/es\/el-aprendizaje-supervisa\/\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t\t\t\t<span class=\"elementor-button-text\">Aprendizaje supervisado<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t<div class=\"elementor-column elementor-col-33 elementor-top-column elementor-element elementor-element-1c41586\" data-id=\"1c41586\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-1a6223a elementor-align-justify elementor-widget elementor-widget-button\" data-id=\"1a6223a\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm\" href=\"https:\/\/complex-systems-ai.com\/es\/\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t\t\t\t<span class=\"elementor-button-text\">Pagina de inicio<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t<div class=\"elementor-column elementor-col-33 elementor-top-column elementor-element elementor-element-a1d3f6a\" data-id=\"a1d3f6a\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-dea1211 elementor-align-justify elementor-widget elementor-widget-button\" data-id=\"dea1211\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm\" href=\"https:\/\/www.jair.org\/index.php\/jair\/article\/view\/12228\" target=\"_blank\" rel=\"noopener\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t\t\t\t<span class=\"elementor-button-text\">Wiki<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-16684ff elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"16684ff\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-d7b4bfe\" data-id=\"d7b4bfe\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-492ad57 elementor-widget elementor-widget-heading\" data-id=\"492ad57\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_82_2 counter-hierarchy ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">Contenido<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Tabla de contenido alternativo\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Palanca<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewbox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewbox=\"0 0 24 24\" version=\"1.2\" baseprofile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/complex-systems-ai.com\/es\/el-aprendizaje-supervisa\/auc-y-roca\/#Courbe-AUC-et-ROC-interpretation-et-multiclasse\" >Curva AUC y ROC, interpretaci\u00f3n y multiclase.<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/complex-systems-ai.com\/es\/el-aprendizaje-supervisa\/auc-y-roca\/#Mesures-de-performance\" >Medidas de desempe\u00f1o<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/complex-systems-ai.com\/es\/el-aprendizaje-supervisa\/auc-y-roca\/#Calcul-du-ROC\" >C\u00e1lculo de la Rep\u00fablica de China<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/complex-systems-ai.com\/es\/el-aprendizaje-supervisa\/auc-y-roca\/#Interpretation-mathematique\" >Interpretaci\u00f3n matem\u00e1tica<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/complex-systems-ai.com\/es\/el-aprendizaje-supervisa\/auc-y-roca\/#Courbe-AUC-ROC-pour-le-probleme-mutliclasse\" >AUC - Curva ROC para el problema multiclase<\/a><\/li><\/ul><\/nav><\/div>\n<h2 class=\"elementor-heading-title elementor-size-default\"><span class=\"ez-toc-section\" id=\"Courbe-AUC-et-ROC-interpretation-et-multiclasse\"><\/span>Curva AUC y ROC, interpretaci\u00f3n y multiclase.<span class=\"ez-toc-section-end\"><\/span><\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-5d87fc6 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"5d87fc6\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-b6862d9\" data-id=\"b6862d9\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-1a210b4 elementor-widget elementor-widget-text-editor\" data-id=\"1a210b4\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>Este tutorial presenta la curva AUC y ROC y c\u00f3mo interpretar los resultados. Tambi\u00e9n se presenta el caso multiclase.<\/p><p><img decoding=\"async\" class=\"aligncenter wp-image-11096 size-full\" src=\"http:\/\/complex-systems-ai.com\/wp-content\/uploads\/2020\/09\/cropped-Capture.png\" alt=\"Curva AUC y ROC\" width=\"97\" height=\"97\" title=\"\"><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-b6de630 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"b6de630\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-f623007\" data-id=\"f623007\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-99b7ca6 elementor-widget elementor-widget-heading\" data-id=\"99b7ca6\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\"><span class=\"ez-toc-section\" id=\"Mesures-de-performance\"><\/span>Medidas de desempe\u00f1o<span class=\"ez-toc-section-end\"><\/span><\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-2688208 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"2688208\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-73a9255\" data-id=\"73a9255\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-741c5dd elementor-widget elementor-widget-text-editor\" data-id=\"741c5dd\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>En Machine Learning, medir el rendimiento es una tarea esencial. Entonces, cuando se trata de un problema de clasificaci\u00f3n, podemos confiar en una curva AUC-ROC. Cuando necesitamos verificar o visualizar el rendimiento del problema de clasificaci\u00f3n de clases m\u00faltiples, utilizamos la curva AUC (\u00e1rea bajo la curva) ROC (caracter\u00edsticas operativas del receptor). Esta es una de las m\u00e9tricas de evaluaci\u00f3n m\u00e1s importantes para comprobar el rendimiento de cualquier modelo de clasificaci\u00f3n. Tambi\u00e9n est\u00e1 escrito AUROC (\u00c1rea bajo las caracter\u00edsticas operativas del receptor).<\/p><p>La curva AUC-ROC es una medida de desempe\u00f1o para problemas de clasificaci\u00f3n en diferentes configuraciones de umbral. ROC es una curva de probabilidad y AUC representa el grado o medida de separabilidad. Indica hasta qu\u00e9 punto el modelo es capaz de distinguir clases. Cuanto mayor sea el AUC, m\u00e1s podr\u00e1 el modelo predecir 0 clases como 0 y 1 clase como 1. Por analog\u00eda, cuanto mayor sea el AUC, m\u00e1s podr\u00e1 el modelo distinguir a los pacientes con la enfermedad de los que no la tienen.<\/p><p>La curva ROC se traza con TPR=TP\/(TP+FN) versus FPR=1-Especificidad=FP\/(TN+FP) donde TPR est\u00e1 en el eje y y FPR est\u00e1 en el eje x.<\/p><p><img decoding=\"async\" class=\"alignnone size-full wp-image-20907\" src=\"http:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc1.png\" alt=\"Rep\u00fablica de China-AUC\" width=\"220\" height=\"220\" title=\"\" srcset=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc1.png 220w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc1-150x150.png 150w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc1-12x12.png 12w\" sizes=\"(max-width: 220px) 100vw, 220px\" \/><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-28edac2 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"28edac2\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-2dbbb37\" data-id=\"2dbbb37\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-93dc874 elementor-widget elementor-widget-heading\" data-id=\"93dc874\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\"><span class=\"ez-toc-section\" id=\"Calcul-du-ROC\"><\/span>C\u00e1lculo de la Rep\u00fablica de China<span class=\"ez-toc-section-end\"><\/span><\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-f6dbb4c elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"f6dbb4c\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-fa1ca21\" data-id=\"fa1ca21\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-6ed509b elementor-widget elementor-widget-text-editor\" data-id=\"6ed509b\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>La sensibilidad y la especificidad (TPR y FPR) son inversamente proporcionales entre s\u00ed. Entonces, a medida que aumentamos la sensibilidad, la especificidad disminuye y viceversa.<\/p><p>Cuando entrenamos un modelo de clasificaci\u00f3n, obtenemos la probabilidad de obtener un resultado. En este caso, nuestro ejemplo ser\u00e1 la probabilidad de pagar un pr\u00e9stamo.<\/p><p><img fetchpriority=\"high\" decoding=\"async\" class=\"alignnone wp-image-20908 size-full\" src=\"http:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc2.webp\" alt=\"AUC-ROC\" width=\"720\" height=\"668\" title=\"\" srcset=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc2.webp 720w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc2-300x278.webp 300w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc2-13x12.webp 13w\" sizes=\"(max-width: 720px) 100vw, 720px\" \/><\/p><p>Las probabilidades var\u00edan entre 0 y 1. Cuanto mayor sea el valor, m\u00e1s probabilidades tendr\u00e1 la persona de pagar el pr\u00e9stamo.<\/p><p>El siguiente paso es encontrar un umbral para clasificar las probabilidades como \u201creembolsar\u00e1\u201d o \u201cno reembolsar\u00e1\u201d.<\/p><p>En el ejemplo de la figura, hemos seleccionado un umbral de 0,35 (los modelos de clasificaci\u00f3n seleccionar\u00e1n autom\u00e1ticamente el valor que proporcione la mejor precisi\u00f3n):<\/p><ul><li>Todas las predicciones que alcancen o superen este umbral se clasifican como &quot;reembolso&quot;.<\/li><li>Todas las predicciones por debajo de este umbral se clasifican como &quot;no reembolsables&quot;.<\/li><\/ul><p>Luego examinamos cu\u00e1les de estas predicciones se clasificaron correctamente o se clasificaron err\u00f3neamente. Con dicha informaci\u00f3n podemos construir una matriz de confusi\u00f3n.<\/p><p>En este punto tenemos<\/p><ul><li>Clasific\u00f3 correctamente el 90% de todos los positivos, los que han \u201cdevuelto\u201d (TPR)<\/li><li>40 % de todos los negativos fueron clasificados err\u00f3neamente, los que &quot;no reembolsaron&quot; (FPR)<\/li><\/ul><p>Podemos notar que los resultados para TPR y FPR disminuyen a medida que aumenta el umbral. Si miramos el primero, donde el umbral es 0:<\/p><ul><li>Todos los positivos se han clasificado correctamente, por lo que TPR = 100 %<\/li><li>Todos los negativos fueron clasificados err\u00f3neamente, por lo que FPR = 100 %<\/li><\/ul><p>En el \u00faltimo gr\u00e1fico de ejemplo, donde el umbral es 1:<\/p><ul><li>Todos los positivos se clasificaron err\u00f3neamente, por lo que TPR = 0 %<\/li><li>Todos los negativos fueron clasificados correctamente, por lo que FPR = 0 %<\/li><\/ul><p><img loading=\"lazy\" decoding=\"async\" class=\"alignnone wp-image-20909 size-large\" src=\"http:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc3-1024x417.webp\" alt=\"AUC-ROC\" width=\"1024\" height=\"417\" title=\"\" srcset=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc3-1024x417.webp 1024w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc3-300x122.webp 300w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc3-768x313.webp 768w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc3-1536x626.webp 1536w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc3-2048x835.webp 2048w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc3-18x7.webp 18w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" \/><\/p><p>Para trazar la curva ROC, necesitamos calcular el TPR y el FPR para muchos umbrales diferentes (este paso est\u00e1 incluido en todas las bibliotecas relevantes con el nombre scikit-learn).<\/p><p>Para cada umbral, trazamos el valor de FPR en el eje x y el valor de TPR en el eje y. Luego unimos los puntos con una l\u00ednea. \u00a1Eso es!<\/p><p>A continuaci\u00f3n, en la figura siguiente, podemos ver c\u00f3mo cada punto de la curva ROC representa el FPR y TRP de una clasificaci\u00f3n en un umbral determinado.<\/p><p>Observe c\u00f3mo el umbral en 1 conduce al primer punto en (0, 0) y el umbral en 0 conduce al \u00faltimo punto en (1, 1).<\/p><p><img loading=\"lazy\" decoding=\"async\" class=\"alignnone wp-image-20910 size-large\" src=\"http:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc4-1024x529.webp\" alt=\"AUC-ROC\" width=\"1024\" height=\"529\" title=\"\" srcset=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc4-1024x529.webp 1024w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc4-300x155.webp 300w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc4-768x397.webp 768w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc4-1536x794.webp 1536w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc4-2048x1058.webp 2048w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc4-18x9.webp 18w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" \/><\/p><p>El \u00e1rea cubierta debajo de la l\u00ednea se llama \u00c1rea bajo la curva (AUC). Esto se utiliza para evaluar el rendimiento de un modelo de clasificaci\u00f3n. Cuanto mayor sea el AUC, mejor ser\u00e1 el modelo para distinguir clases.<\/p><p>Esto significa que en un mundo ideal nos gustar\u00eda que nuestra l\u00ednea cubra la mayor parte de la esquina superior izquierda del gr\u00e1fico para lograr un AUC m\u00e1s alto.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-f2c187d elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"f2c187d\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-5172dbc\" data-id=\"5172dbc\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-18f768b elementor-widget elementor-widget-heading\" data-id=\"18f768b\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\"><span class=\"ez-toc-section\" id=\"Interpretation-mathematique\"><\/span>Interpretaci\u00f3n matem\u00e1tica<span class=\"ez-toc-section-end\"><\/span><\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-b5db85a elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"b5db85a\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-44a4a71\" data-id=\"44a4a71\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-917c603 elementor-widget elementor-widget-text-editor\" data-id=\"917c603\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>Como sabemos, la Rep\u00fablica de China es una curva de probabilidad. Por tanto, tracemos las distribuciones de estas probabilidades:<\/p><p>Nota: La curva de distribuci\u00f3n roja es de clase positiva (pacientes con enfermedad) y la curva de distribuci\u00f3n verde es de clase negativa (pacientes sin enfermedad).<\/p><p><img loading=\"lazy\" decoding=\"async\" class=\"alignnone wp-image-20911 size-full\" src=\"http:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc5.webp\" alt=\"AUC-ROC\" width=\"528\" height=\"229\" title=\"\" srcset=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc5.webp 528w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc5-300x130.webp 300w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc5-18x8.webp 18w\" sizes=\"(max-width: 528px) 100vw, 528px\" \/><\/p><p>En este escenario, una regresi\u00f3n encuentra una clara distinci\u00f3n entre las dos clases. En el caso de un \u00e1rbol de decisi\u00f3n, \u00a1una sola divisi\u00f3n es suficiente para tener \u00e9xito en 100%! Aqu\u00ed el AUC es 1, lo que dar\u00eda la siguiente curva:<\/p><p><img loading=\"lazy\" decoding=\"async\" class=\"alignnone size-medium wp-image-20912\" src=\"http:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc6-300x273.webp\" alt=\"AUC-ROC\" width=\"300\" height=\"273\" title=\"\" srcset=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc6-300x273.webp 300w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc6-13x12.webp 13w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc6.webp 365w\" sizes=\"(max-width: 300px) 100vw, 300px\" \/><\/p><p>Es una situaci\u00f3n ideal. Cuando dos curvas no se superponen en absoluto, significa que el modelo tiene una medida ideal de separabilidad. Es perfectamente capaz de distinguir la clase positiva de la clase negativa.<\/p><p>Cuando dos distribuciones se superponen, introducimos errores de tipo 1 y tipo 2. Dependiendo del umbral, podemos minimizarlos o maximizarlos. Cuando el AUC es 0,7, significa que hay una probabilidad de 70 % de que el modelo pueda distinguir entre una clase positiva y una clase negativa.<\/p><p><img loading=\"lazy\" decoding=\"async\" class=\"alignnone wp-image-20913 size-large\" src=\"http:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc7-1024x332.png\" alt=\"AUC-ROC\" width=\"1024\" height=\"332\" title=\"\" srcset=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc7-1024x332.png 1024w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc7-300x97.png 300w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc7-768x249.png 768w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc7-18x6.png 18w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc7.png 1134w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" \/><\/p><p>\u00c9sta es la peor situaci\u00f3n. Cuando el AUC es de alrededor de 0,5, el modelo no tiene capacidad de discriminaci\u00f3n para distinguir la clase positiva de la clase negativa. Esto equivale a una predicci\u00f3n aleatoria.<\/p><p><img loading=\"lazy\" decoding=\"async\" class=\"alignnone wp-image-20914 size-large\" src=\"http:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc8-1024x389.png\" alt=\"AUC-ROC\" width=\"1024\" height=\"389\" title=\"\" srcset=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc8-1024x389.png 1024w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc8-300x114.png 300w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc8-768x292.png 768w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc8-18x7.png 18w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/Roc8.png 1049w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" \/><\/p><p>Cuando el AUC es alrededor de 0, el modelo en realidad corresponde las clases. Esto significa que el modelo predice una clase negativa como una clase positiva y viceversa.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-dc1c125 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"dc1c125\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-828a1eb\" data-id=\"828a1eb\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-7c938f3 elementor-widget elementor-widget-heading\" data-id=\"7c938f3\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\"><span class=\"ez-toc-section\" id=\"Courbe-AUC-ROC-pour-le-probleme-mutliclasse\"><\/span>AUC - Curva ROC para el problema multiclase<span class=\"ez-toc-section-end\"><\/span><\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-0a6956b elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"0a6956b\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-566566e\" data-id=\"566566e\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-cce3742 elementor-widget elementor-widget-text-editor\" data-id=\"cce3742\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>En un modelo de clases m\u00faltiples, podemos trazar N n\u00fameros de curvas AUC ROC para N clases num\u00e9ricas utilizando la metodolog\u00eda Uno versus TODOS. Entonces, por ejemplo, si tiene tres clases llamadas X, Y y Z, tendr\u00e1 una Rep\u00fablica de China para X clasificada contra Y y Z, otra Rep\u00fablica de China para Y clasificada contra X y Z, y la tercera de Z clasificada con respecto a Y y X.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"<p>Aprendizaje supervisado P\u00e1gina de inicio Wiki Curva AUC y ROC, interpretaci\u00f3n y multiclase Este tutorial presenta la curva AUC y ROC, as\u00ed como c\u00f3mo interpretar\u2026 <\/p>","protected":false},"author":1,"featured_media":0,"parent":20741,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"class_list":["post-20901","page","type-page","status-publish","hentry"],"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/pages\/20901","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/comments?post=20901"}],"version-history":[{"count":4,"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/pages\/20901\/revisions"}],"predecessor-version":[{"id":20917,"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/pages\/20901\/revisions\/20917"}],"up":[{"embeddable":true,"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/pages\/20741"}],"wp:attachment":[{"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/media?parent=20901"}],"curies":[{"name":"gracias","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}