Confidence

Una puntuación de confianza es un número entre 0 y 1 que un modelo asigna a una predicción para expresar la probabilidad de que sea correcta. Los clasificadores asignan una a cada etiqueta de clase, y los modelos de detección de objetos asignan una a cada cuadro delimitador, para responder a una pregunta más concreta: ¿qué probabilidad hay de que este cuadro contenga un objeto de esta clase? Las aplicaciones usan la confianza para decidir qué predicciones conservar, en qué orden clasificarlas y cuáles enviar a una persona para que las revise.

Cómo generan confianza los modelos#

La confianza procede de la última capa de la red. Un clasificador de etiqueta única aplica softmax a sus salidas sin procesar, llamadas logits; así, las puntuaciones de clase suman 1 y el modelo devuelve el valor más alto. Los detectores suelen aplicar una función sigmoide a cada clase de forma independiente, por lo que un cuadro puede obtener puntuaciones altas para dos clases relacionadas y las puntuaciones no tienen por qué sumar 1. Los detectores con una salida de confianza de objeto independiente, como YOLOv5, la multiplicaban por la probabilidad de clase. Muchos detectores sin anclajes, incluidos los modelos YOLO recientes, prescinden de la confianza de objeto y usan la puntuación de clase más alta como confianza del cuadro.

Umbrales de confianza#

Un umbral de confianza convierte las puntuaciones en decisiones: conserva las predicciones que lo superan y descarta el resto. Al subir el umbral, se eliminan falsos positivos y aumenta la precisión. Al bajarlo, se recuperan objetos tenues, pequeños o parcialmente ocultos y aumenta la exhaustividad, a costa de más falsas alarmas. El umbral en el que la curva de la puntuación F1 alcanza su máximo equilibra ambas métricas. De forma predeterminada, YOLO26 conserva las cajas con una puntuación superior a 0,25 durante la predicción, y la validación reduce el umbral a 0,001 para que sus curvas de precisión y exhaustividad abarquen casi todos los puntos de funcionamiento posibles.

from ultralytics import YOLO

# Load a pretrained YOLO26 nano detector
model = YOLO("yolo26n.pt")
image = "https://ultralytics.com/images/bus.jpg"

# Run the same image at a low and a high confidence threshold
for threshold in (0.1, 0.6):
    results = model(image, conf=threshold)
    scores = results[0].boxes.conf.tolist()
    print(f"conf={threshold}: {len(scores)} boxes, scores {[round(s, 2) for s in scores]}")

La ejecución con 0.1 devuelve todas las cajas de la ejecución con 0.6, además de los candidatos más débiles, así que elevar el umbral solo puede eliminar detecciones, empezando por las menos seguras.

Uso de la confianza en aplicaciones#

Muchos sistemas utilizan dos umbrales. Se descartan las predicciones que quedan por debajo del umbral bajo, las que superan el umbral alto activan una acción automática y las que quedan entre ambos se envían a una persona, a un segundo modelo o a otro sensor. Una herramienta de cribado médico puede señalar de inmediato los hallazgos con alta confianza y poner en cola los inciertos para que los revise un radiólogo; un ciclo de aprendizaje activo envía los casos inciertos a los anotadores, una estrategia llamada muestreo por incertidumbre.

Confianza y calibración#

Una puntuación de 0.9 solo es una probabilidad útil si el modelo está calibrado, es decir, si alrededor del 90 % de todas las predicciones con una puntuación de 0.9 son correctas. Las redes profundas modernas tienden a tener exceso de confianza y a asignar puntuaciones superiores a su tasa real de aciertos. El escalado de temperatura corrige gran parte de este problema al dividir los logits por una constante ajustada con datos reservados, y las herramientas de calibración de scikit-learn ajustan transformaciones de Platt (sigmoides) o isotónicas y trazan curvas de fiabilidad. La calibración es importante siempre que una puntuación se interprete como probabilidad, por ejemplo, para establecer un umbral de riesgo. Las métricas de clasificación, como la precisión media (mAP), solo dependen del orden de las puntuaciones.

Confianza y términos relacionados#

• Exactitud: tasa de predicciones correctas a nivel de conjunto de datos. En un modelo calibrado, la confianza media es igual a la exactitud.
• Intervalos de confianza estadísticos: concepto distinto que comparte el nombre. Un nivel de confianza del 95 % describe la frecuencia con la que un procedimiento para construir intervalos captura un valor real en muestras repetidas.
• Predicción conforme: convierte las puntuaciones sin procesar en conjuntos de predicciones con una garantía de cobertura, de modo que, con un objetivo del 90 %, el conjunto contiene la etiqueta verdadera al menos el 90 % de las veces con datos intercambiables.