API de Métricas de Clasificador

Matemáticas de evaluación de clasificadores como API, calculadas local y determinísticamente. El endpoint de confusión convierte las cuatro celdas de una matriz de confusión binaria — verdaderos y falsos positivos y negativos — en el conjunto completo de métricas: exactitud, precisión, recuperación (sensibilidad), especificidad, puntuación F1, coeficiente de correlación de Matthews (robusto ante desequilibrio de clases), exactitud balanceada, valor predictivo negativo, tasas de falsos positivos y falsos negativos, y prevalencia. El endpoint de diagnóstico aplica el teorema de Bayes a una prueba médica o de cribado: a partir de su sensibilidad, especificidad y prevalencia (probabilidad pre-prueba) proporciona los valores predictivos positivo y negativo, los cocientes de probabilidad positivo y negativo y la razón de momios diagnóstica. El endpoint fbeta calcula la puntuación Fβ a partir de precisión y recuperación (o de los recuentos brutos) para cualquier β — β = 1 es F1, β mayor pondera la recuperación, β menor pondera la precisión. Las métricas cuyo denominador es cero se devuelven como null en lugar de generar un error. Todo se calcula local y determinísticamente, por lo que es instantáneo y privado. Ideal para desarrolladores de aplicaciones de aprendizaje automático, ciencia de datos, pruebas médicas y analítica, herramientas de evaluación de modelos y cribado, y educación en estadística. Cálculo local puro — sin clave, sin servicio de terceros, instantáneo. En vivo, nada almacenado. 3 endpoints. Esto es evaluación de clasificadores; para estadísticas descriptivas y regresión use una API de estadísticas y para pruebas de hipótesis una API de inferencia.