Evaluación: de precisión, recall y medida F a ROC, informedness, markedness y correlación

Las medidas de evaluación comúnmente usadas, incluyendo Recall, Precisión, Medida F y Rand Accuracy, están sesgadas y no deberían utilizarse sin una clara comprensión de dichos sesgos y la correspondiente identificación de niveles de azar o casos base de la estadística. Usando estas medidas, un sistema que tiene un peor desempeño en el sentido objetivo de Informedness, puede parecer tener mejor rendimiento bajo cualquiera de estas medidas comúnmente usadas. Discutimos varios conceptos y medidas que reflejan la probabilidad de que la predicción esté informada frente al azar: Informedness, y presentamos Markedness como una medida dual para la probabilidad de que la predicción esté marcada versus el azar. Finalmente, demostramos conexiones elegantes entre los conceptos de Informedness, Markedness, Correlación y Significancia, así como sus relaciones intuitivas con Recall y Precisión, y esbozamos la extensión del caso dicotómico al caso general multiclase.