Especificidad
La especificidad mide la proporción de casos negativos reales que fueron identificados correctamente como negativos por el clasificador. Responde a la pregunta: 'De todos los casos que eran verdaderamente negativos, ¿cuántos rechazamos correctamente?' La especificidad es complementaria a la sensibilidad (recall) y es esencial cuando los falsos positivos son costosos.
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). Specificity (True Negative Rate). ScholarGate. https://scholargate.app/es/model-evaluation/specificity
¿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
- SensibilidadEvaluación de modelos↔ comparar
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →