Informe de calidad y rendimiento¶
El informe de calidad y rendimiento es la auditoría descargable de un proyecto finalizado. Puede obtenerlo desde el detalle del proyecto, junto a Train dataset, o desde el menú de descarga en la lista de proyectos. Solo está disponible una vez que el proyecto ha finalizado.
El archivo se produce en el idioma de la interfaz —inglés, español o ruso— y se entrega como
<project name> - Summary.xlsx.
¿Busca el veredicto breve en pantalla? Ese es el Certificado de calidad.
Ya no informa la precisión del entrenamiento
El informe solía mostrar la puntuación de cada modelo en sus propias filas de entrenamiento. Ese número recompensaba la memorización: un Random Forest que memoriza las filas en las que fue entrenado obtiene una puntuación cercana al 100%, mientras que un modelo de vecinos más cercanos que deliberadamente deja fuera la fila más cercana obtiene una puntuación más baja —incluso cuando produce distribuciones más cercanas, tablas cruzadas más cercanas y sin copias casi idénticas—. Nada de eso analizaba una sola fila sintética.
El informe ahora mide las filas entregadas. El número anterior sigue ahí, honestamente etiquetado como Fit on training data (%), junto a una línea base mayoritaria para que pueda ver su valor.
Qué significan las métricas¶
Todo lo que sigue compara sus filas originales con las filas generadas, pregunta por pregunta.
| Indicador | Significado |
|---|---|
| Fidelidad incluyendo valores faltantes (%) | Qué tan cerca las respuestas generadas reproducen la distribución real, contando los espacios en blanco como una respuesta. 100 = idéntico. |
| Fidelidad solo de respuestas (%) | Lo mismo, ignorando los espacios en blanco — qué tan cerca están las respuestas, independientemente de quién omitió la pregunta. |
| Valores faltantes originales (%) / Valores faltantes generados (%) | Proporción de espacios en blanco en cada lado. |
| Brecha de tasa de valores faltantes (pp) | La diferencia entre ellos, en puntos porcentuales. Una brecha grande significa que las filas sintéticas omiten preguntas a una tasa diferente que los encuestados reales. |
| Cobertura de categorías (%) | Proporción de las opciones de respuesta reales que aparecen al menos una vez en las filas generadas. Una opción rara que nunca aparece se muestra aquí. |
| Fidelidad de tabla cruzada de respuestas (%) | La misma fidelidad medida dentro de cada grupo de perfil (género, edad, país primero, luego otras columnas de baja cardinalidad). Este es el número que importa cuando el entregable se cruzará por segmento. |
| Línea base mayoritaria (%) | Lo que obtendría al responder siempre la opción más frecuente. Contexto para Fit on training data, no un objetivo de calidad. |
| Celdas que una reparación lógica inferida cambiaría (%) | Coherencia: la proporción de celdas generadas que una reparación lógica aún querría modificar. Un valor más bajo es mejor. |
| Copias casi idénticas en la muestra de similitud (%) | Proporción de filas generadas que son 80% o más idénticas a su encuestado real más cercano, estimado en una muestra de hasta 500 filas. Este es el número de "¿está simplemente copiando a mis encuestados?". |
| Filas generadas en grupos de duplicados / Exceso de filas duplicadas exactas | Repetición entre las propias filas generadas. |
| Copias exactas de originales | Filas generadas idénticas a un encuestado real — contadas sobre todas las filas, no una muestra. |
Un valor más alto es mejor para cada cifra de fidelidad y cobertura; un valor más bajo es mejor para la brecha de tasa de valores faltantes, coherencia, copias casi idénticas y duplicados.
La fidelidad no es precisión predictiva
El propio informe lo indica, en la fila Interpretation: la fidelidad de la distribución no es la precisión en los encuestados retenidos. Le indica que el conjunto de datos entregado se comporta como el real en conjunto, no que una respuesta sintética individual fuera "correcta".
Las cuatro hojas¶
Summary — un indicador por fila, para el proyecto en su conjunto: recuentos de filas originales y generadas, las cifras de fidelidad media, los recuentos de novedad y duplicados, las comprobaciones de identificadores, la coherencia y el tiempo total de campo de respuesta. Se abre con tres notas de alcance que vale la pena leer una vez:
- Data scope — las cifras describen los datos almacenados representados en columnas de cuestionario; el postprocesamiento final opcional no está incluido. Una descarga deduplicada puede ser más limpia de lo que sugiere el informe.
- Interpretation — la advertencia de que la fidelidad no es precisión mencionada anteriormente.
- Rule scope — las hipótesis estructurales son orientativas; las reglas explícitas tienen prioridad.
El bloque de identificadores informa si su columna de ID configurada es segura: colisiones entre filas originales y generadas, exceso de identificadores duplicados en cada lado y filas generadas sin ningún identificador. Preservation of the uploaded file está deliberadamente marcado como Not checked by this report.
Fields — los mismos indicadores, por pregunta: fidelidad con y sin espacios en blanco, tasas de valores faltantes y su brecha, cobertura de categorías, fidelidad de tabla cruzada, línea base mayoritaria, además de cualquier regla numérica observada para ese campo, cuántas filas la violan y su estado.
Models — qué modelo respondió cada pregunta, cuánto tiempo tomó y Fit on training data (%).
Structural rules — cada relación numérica que la plataforma infirió de su archivo (por ejemplo, partes que deben sumar un total), con un estado de Consistent, Violations, Partially supported o Unsupported inputs, y los recuentos detrás de ella tanto en el lado original como en el generado. Cuando no se pudo inferir nada, la hoja lo indica explícitamente — "No structural hypotheses available; this is not a validation pass" — lo cual no es lo mismo que aprobar.
Lectura en la práctica¶
- Verificar la coherencia de una entrega: fidelidad media solo de respuestas y fidelidad de tabla cruzada altas, cobertura en o cerca de 100, brecha de tasa de valores faltantes pequeña.
- Responder "¿estas personas reales están duplicadas?": copias casi idénticas en la muestra de similitud, copias exactas de originales y filas generadas en grupos de duplicados. Si estos valores son altos, ejecute Remove duplicates en postprocesamiento y descargue de nuevo.
- Antes de cruzar los datos por segmento: Answered crosstab fidelity, no la fidelidad general.
- Ignorar de forma aislada: Fit on training data (%). Compárelo con la línea base mayoritaria o no lo compare en absoluto.
El informe es generado por un proceso en segundo plano en lugar de en su navegador, por lo que se comporta como cualquier otra descarga grande — consulte Esperas, colas y errores.