Generador de gráficos de calibración

¿Qué muestra el generador de gráficos de calibración de modelos?

El gráfico de calibración compara las probabilidades predichas por un modelo con las tasas de eventos observadas. Un modelo bien calibrado sigue la línea de identidad (diagonal); las desviaciones sistemáticas revelan sobreestimación o subestimación, incluso cuando las métricas de discriminación parecen sólidas.

Requisitos de datos para el gráfico de calibración

• Proporcionar una probabilidad predicha (entre 0 y 1) y un resultado binario observado por cada caso.
• Añadir una columna opcional de modelo, cohorte, partición (fold) o subgrupo para realizar comparaciones.
• Utilizar un conjunto de prueba o validación independiente, separado de los datos de entrenamiento.
• Si se suben datos previamente agrupados, incluir la probabilidad predicha promedio, la proporción observada y el tamaño de muestra de cada intervalo (bin).

Ejemplos de uso en investigación

• Diagrama de fiabilidad del riesgo clínico
• Calibración de un clasificador binario
• Curva con puntuación de Brier
• Calibración de modelo de aprendizaje automático
• Comparación de calibración de modelos
• Calibración de probabilidad de fallo

¿Por qué examinar la calibración de un modelo?

• Verificar si un riesgo estimado del 20% corresponde aproximadamente a 20 eventos por cada 100 casos comparables.
• Detectar modelos que ordenan bien los casos pero generan probabilidades absolutas poco confiables.
• Comparar cohortes de validación interna, temporal y externa.
• Comunicar la incertidumbre y las regiones con datos escasos antes de su aplicación clínica u operativa.

Cómo usar Generador de gráficos de calibración

Elige un ejemplo o sube un archivo CSV, TSV, TXT, XLSX o XLS. Revisa las columnas detectadas, genera el gráfico y edítalo en SciVis. En Excel se importa la primera hoja.

Elementos clave de un gráfico de calibración claro

• Probabilidad predicha en el eje x y frecuencia observada en el eje y.
• Una línea de referencia de 45 grados que represente la calibración ideal.
• Frecuencias por intervalo, un gráfico de alfombra (rug plot) u otra indicación del soporte de probabilidad.
• Intervalos de confianza o detalles de suavizado cuando estén estadísticamente justificados.

¿Gráfico de calibración o curva ROC?

El gráfico de calibración evalúa si los valores de probabilidad son numéricamente confiables. La curva ROC evalúa la capacidad de clasificación u ordenamiento a través de umbrales. Un modelo puede tener un AUC alto y estar mal calibrado, por lo que ambas figuras responden a preguntas distintas.