¿Qué es Precisión y recall? Significado y ejemplos

¿Qué es Precisión y recall?

Precisión y recall: Dos indicadores de evaluación de clasificadores que miden la cantidad de resultados positivos correctos de forma distinta: uno tiene en cuenta solo los positivos afirmados, y el otro considera todos los positivos reales.

Actualizado el 11/11/2026 · Por Marcelo Santiago

Qué son precisión y recall

La precisión y el recall son dos métricas que se usan para evaluar modelos de clasificación. Ambas miden qué tan bien el modelo identifica los casos positivos, pero de formas distintas. La precisión se centra en la calidad de los resultados positivos señalados. El recall se centra en la cantidad de positivos reales que el modelo logró encontrar. Estas métricas son esenciales para entender el verdadero comportamiento de un modelo en producción.

Cómo funcionan precisión y recall

La precisión calcula la proporción de resultados positivos que realmente eran positivos. Es decir, de los casos que el modelo dijo que eran positivos, cuántos eran correctos. El recall calcula la proporción de positivos reales que el modelo identificó. Es decir, de todos los casos positivos que existían, cuántos fueron encontrados. La precisión responde a la pregunta de calidad. El recall responde a la pregunta de cobertura.

Ejemplo práctico

Imagina un sistema que filtra spam de correos electrónicos. Cuando el modelo marca un correo como spam, queremos saber si la marca fue correcta. Eso es precisión. También queremos saber si el modelo dejó pasar spam real. Eso es recall. Un modelo que marca poco como spam tiene menos falsos positivos, pero puede perder spam importante. Cuanto más permisivo, mayor el recall, pero más falsos positivos.

Para qué sirven precisión y recall

Estas métricas ayudan a elegir el modelo adecuado para cada tarea. Si errar un positivo es muy grave, priorizamos recall. Si el costo de una falsa alarma es alto, priorizamos precisión. En tareas de detección de fraude, el recall es importante. En sistemas de recomendación, la precisión suele ser más relevante. Ambos son útiles y deben seguirse para entender el desempeño real del modelo.

Relación con otras métricas

La precisión y el recall no funcionan solos. La exactitud, por ejemplo, mide la fracción de todas las predicciones correctas, pero puede ser engañosa en conjuntos desequilibrados. El F1‑score, que es la media armónica entre precisión y recall, resume las dos métricas en un solo número. Específicamente, el F1‑score es útil cuando el conjunto de datos está desequilibrado. Al seguir la precisión y el recall por separado, el equipo entiende mejor en qué dirección mejorar el modelo.

Extensión para VS Code

¿Te gustó la definición de Precisión y recall? Aplícalo en la práctica con IA

Orquesta squads de agentes (Claude, OpenCode, Codex, Antigravity y mucho más) en VS Code con control total, git worktrees aisladas y tus propias APIs o suscripciones sin costos intermedios.

Multi-agentes paralelosAPIs o suscripcionesAgentes para multitareas

Conocer bridgecode

Preguntas frecuentes sobre Precisión y recall

¿Qué es la precisión?

La precisión es la proporción de resultados positivos señalados por el modelo que realmente eran positivos. Mide la calidad de los positivos afirmados.

¿Qué es el recall?

El recall es la proporción de positivos reales que el modelo logró encontrar. Mide la capacidad de no perder casos positivos.

¿Qué métrica usar?

Elija basándose en el costo de cada error. Si la falsa alarma es costosa, priorice la precisión. Si perder un caso positivo es grave, priorice el recall. En tareas de detección, haga seguimiento de ambos.