Autor: FC
Aplicar una técnica de clasificación para identificar vehículos que presentan fallas y evaluar el desempeño del modelo mediante una matriz de confusión e indicadores de precisión.
| Real / Predicción | Predijo Funcionando | Predijo Fallas |
|---|---|---|
| Funcionando (0) | 284 | 23 |
| Fallas (1) | 75 | 17 |
Accuracy (Exactitud): 75.44%
Interpretación:
El algoritmo clasificó correctamente el 75.44% de los vehículos analizados.
Precision: 42.50%
Interpretación:
Cuando el algoritmo predijo que un vehículo presentaba fallas, acertó en aproximadamente el 42.50% de los casos.
Recall (Sensibilidad): 18.48%
Interpretación:
El modelo identificó únicamente el 18.48% de los vehículos que realmente presentaban fallas.
F1-Score: 25.76%
Interpretación:
El equilibrio entre precisión y sensibilidad es bajo, indicando que el modelo tiene dificultades para detectar correctamente los vehículos con fallas.
El modelo obtuvo una exactitud de 75.44%, una precisión de 42.50% y una sensibilidad de 18.48%.
Los resultados muestran que el algoritmo tiene una capacidad aceptable para clasificar vehículos en general; sin embargo, presenta limitaciones importantes para detectar aquellos que realmente presentan fallas.
Por ello, se recomienda mejorar la técnica de clasificación utilizada o incorporar más variables predictoras para aumentar el desempeño del modelo.