Matriz de confusión

1. Anatomía de la matriz de confusión #

En un problema binario la matriz tiene forma de tabla 2×2:

• Las filas representan la verdad terreno y las columnas las predicciones del modelo.
• Revisar TP / FP / FN / TN ayuda a ver si el modelo favorece una clase sobre otra.

2. Ejemplo completo con Python 3.13 #

Confirma que trabajas con Python 3.13 e instala las dependencias:

1
2
3
4

python --version  # p. ej. Python 3.13.0

pip install scikit-learn matplotlib

El siguiente script entrena una regresión logística sobre el conjunto Breast Cancer, imprime la matriz y la muestra como mapa de calor. La Pipeline con StandardScaler evita problemas de convergencia y estabiliza el entrenamiento.

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45

import matplotlib.pyplot as plt

from sklearn.datasets import load_breast_cancer

from sklearn.linear_model import LogisticRegression

from sklearn.metrics import ConfusionMatrixDisplay, confusion_matrix

from sklearn.model_selection import train_test_split

from sklearn.pipeline import make_pipeline

from sklearn.preprocessing import StandardScaler

X, y = load_breast_cancer(return_X_y=True)

X_train, X_test, y_train, y_test = train_test_split(

    X, y, test_size=0.2, random_state=42, stratify=y

)

pipeline = make_pipeline(

    StandardScaler(),

    LogisticRegression(max_iter=1000, solver="lbfgs"),

)

pipeline.fit(X_train, y_train)

y_pred = pipeline.predict(X_test)

cm = confusion_matrix(y_test, y_pred)

print(cm)

disp = ConfusionMatrixDisplay(confusion_matrix=cm)

disp.plot(cmap="Blues", colorbar=False)

plt.tight_layout()

plt.show()

3. Normalizar para comparar proporciones #

Si existen clases desbalanceadas, conviene normalizar por filas para observar tasas de error.

1
2
3
4
5
6

cm_norm = confusion_matrix(y_test, y_pred, normalize="true")
print(cm_norm)
disp_norm = ConfusionMatrixDisplay(confusion_matrix=cm_norm)
disp_norm.plot(cmap="Blues", values_format=".2f", colorbar=False)
plt.tight_layout()
plt.show()

• normalize="true": proporción dentro de cada clase real
• normalize="pred": proporción dentro de cada clase predicha
• normalize="all": proporción sobre todas las observaciones

4. Extensión a múltiples clases #

ConfusionMatrixDisplay.from_predictions construye y etiqueta automáticamente la matriz en tareas multiclase.

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17

ConfusionMatrixDisplay.from_predictions(

    y_true=etiquetas_reales,

    y_pred=predicciones,

    normalize="true",

    values_format=".2f",

    cmap="Blues",

)

plt.tight_layout()

plt.show()

5. Puntos de control en proyectos reales #

• Falsos negativos vs. falsos positivos: decide qué error es más costoso (ej. salud, fraude) y vigila esos valores.
• Apóyate en mapas de calor: facilitan identificar clases con sesgo y comunicar hallazgos al resto del equipo.
• Métricas derivadas: obtén precisión, exhaustividad y F1 a partir de la matriz, y compáralas con ROC-AUC o curvas PR para obtener una visión completa.
• Notebooks reproducibles: guardar el flujo en un cuaderno de Python 3.13 acelera los ciclos de ajuste y reentrenamiento.

Resumen #

• La matriz de confusión resume TP / FP / FN / TN y visibiliza los sesgos del clasificador.

• La normalización revela tasas de error cuando hay clases desbalanceadas.

• Combínala con métricas derivadas y con los requisitos del negocio para definir criterios de evaluación accionables.