File size: 2,252 Bytes
c8147f2
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
import streamlit as st

st.set_page_config(
    page_title = 'Patacotrón',
    layout= 'wide',
    initial_sidebar_state = 'collapsed',
    menu_items = {
        "About" : 'Proyecto ideado para la investigación de "Clasificación de imágenes de una sola clase con algortimos de Inteligencia Artificial".',
        "Report a Bug" : 'https://docs.google.com/forms/d/e/1FAIpQLScH0ZxAV8aSqs7TPYi86u0nkxvQG3iuHCStWNB-BoQnSW2V0g/viewform?usp=sf_link'
    }
)

st.title("Estadística")
st.caption("Se tuvo presente dos tipos de análisis: ")

with st.sidebar:
    st.write("contact@patacotron.tech")

with st.expander("Eficiencia"):
    col1, col2 = st.columns(2)
    with col1:
        st.write('La eficiencia está descrita de la siguiente manera: ')
        st.write('Para clases positivas: ')
        st.latex(r'''E = \frac{(S * {S}')+(P * {P}')}{{S}'+{P}'}''')
        st.write('Para clases negativas: ')
        st.latex(r'''E = \frac{(S * {S}')+((1-P) * {P}')}{{S}'+{P}'}''')
        
    with col2:
        st.write('Donde:')
        st.write('S es la puntuación (score) normalizada entre 0 y 1, donde por cada imagen sumaba un punto y por cada falso positivo se le restaba otro. La franja para predecir la clase como positiva fue de encima del 80%')
        st.write('P es la predicción promedio entre 0 y 1 para todas las imágenes de la carpeta.')
        st.write("S′ y P′ son los pesos para cada variable, en este caso, la predicción tuvo un peso de 1.2")
        st.write("El rango de la fórmula es de [0, 1), representando 1 un modelo con la mayor eficiencia posible que generaliza bien y es igualmente bueno para predecir clases positivas y anómalas. [Repositorio en Github](https://github.com/frncscp/efficiency)")
    
with st.expander("Matriz de confusión"):
    col3, col4 = st.columns(2)
    with col3:
        st.write('Las matrices de confusión dan una descripción detallada de las tendencias de los modelos en su forma de clasificación.')
        st.write('Tiene en cuenta las inferencias correctas (verdaderos positivos y negativos) e incorrectas (falsos positivos y negativos)')

    with col4:
        st.image("https://pieriantraining.com/wp-content/uploads/sites/2/2023/05/confusion_matrix-1024x683.png")