Clasificación y umbrales

Qué aprenderás

• Una clasificación asigna categorías; un modelo puede producir puntuaciones que luego se comparan con un umbral
• Construir y comprobar una solución usando datos ficticios.
• Resolver y aprobar la hoja de ejercicios antes de continuar.

Conceptos del tema

Una clasificación asigna categorías; un modelo puede producir puntuaciones que luego se comparan con un umbral.

Cambiarlo modifica falsos positivos y falsos negativos.

La elección depende del coste de errores y no solo de una exactitud global.

Cómo interpretar este tema

Separa el objetivo de los datos de entrada y del criterio de éxito. Trabaja primero con ejemplos ficticios que puedas comprobar. En código, identifica entradas, operaciones y salidas; en un encargo a una IA, distingue el contenido generado de las acciones realmente ejecutadas.

Construye una solución pequeña y revisable. Comprueba casos normales, fronteras y errores; conserva las fuentes de las afirmaciones y los permisos de cada herramienta. Los ejemplos de Python de este curso se copian a tu propio entorno: la página no ejecuta código ni realiza llamadas a servicios de IA.

Detalles para comprender la regla

Más casos quedan por encima del umbral; hay que valorar el intercambio de errores.

El contexto determina qué errores son más costosos.

Ejemplo resuelto

Un filtro marca positivo si la puntuación es al menos 0,7.

1. Una puntuación de 0,8 supera el umbral.
2. Una de 0,6 no lo supera.
3. Comprueba ambos tipos de error antes de elegir el umbral final.

Cómo practicar

1. Define el resultado y los datos que necesita.
2. Revisa el ejemplo y anticipa su salida antes de probarlo.
3. Comprueba un caso normal, una frontera y un error.
4. Explica la solución y verifica los datos o fuentes que utiliza.

Tu cuenta gratuita guarda respuestas, notas y progreso en las dos plataformas.

Recursos para profundizar

• Programación y algoritmos · MIT OCW ↗

  Programa y materiales abiertos de referencia. Los contenidos y ejercicios de Aprende son propios.