Sensibilidad
La sensibilidad mide la proporción de casos positivos reales que fueron identificados correctamente por el clasificador. Responde a la pregunta: 'De todos los casos que fueron verdaderamente positivos, ¿cuántos encontramos?' La sensibilidad es crítica en escenarios donde omitir casos positivos es costoso.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Mapa de métodos
El vecindario de métodos relacionados: selecciona un nodo para explorarlo.
Fuentes
- Fawcett, T. (2006). An introduction to ROC analysis. Pattern Recognition Letters, 27(8), 861-874. DOI: 10.1016/j.patrec.2005.10.010 ↗
- Powers, D. M. (2011). Evaluation: From Precision, Recall and F-Measure to ROC, Informedness, Markedness and Correlation. Journal of Machine Learning Technologies, 2(1), 37-63. link ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Recall or Sensitivity (True Positive Rate). ScholarGate. https://scholargate.app/es/model-evaluation/recall
¿Qué método?
Coloca este método junto a sus parientes más cercanos y léelos lado a lado: la biblioteca pone los libros sobre la mesa; la elección es tuya.
- Precisión equilibradaEvaluación de modelos↔ comparar
- Puntuación F1Evaluación de modelos↔ comparar
- Coeficiente de Correlación de MatthewsEvaluación de modelos↔ comparar
- PrecisiónEvaluación de modelos↔ comparar
- EspecificidadEvaluación de modelos↔ comparar
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →