evalcards 0.2.11

Reportes de evaluación (clasificación/regresión/forecast) a Markdown con gráficos

evalcards

evalcards es una librería para Python que genera reportes de evaluación para modelos supervisados en Markdown, con métricas y gráficos listos para usar en informes. Soporta:

• Clasificación: binaria y multiclase (OvR) con métricas como accuracy, balanced_accuracy, mcc, log_loss (si hay probabilidades), roc_auc/pr_auc, además de curvas ROC/PR por clase.
• Regresión: MAE, MSE, RMSE, R², MedAE, MAPE, RMSLE.
• Forecasting (series de tiempo): MAE, MSE, RMSE, MedAE, MAPE, RMSLE, sMAPE (%) y MASE.
• Clasificación multi-label: matriz de confusión y curvas ROC/PR por etiqueta si se pasan probabilidades.
• Export JSON métricas y rutas de imágenes para integración en pipelines (nuevo en v0.2.11).

Instalación

---

pip install evalcards

Uso rápido (Python)

---

from evalcards import make_report

# y_true: etiquetas/valores reales
# y_pred: etiquetas/valores predichos
# y_proba (opcional):
#   - binaria: vector 1D con prob. de la clase positiva
#   - multiclase: matriz (n_samples, n_classes) con prob. por clase
#   - multi-label: matriz (n_samples, n_labels) con prob. por etiqueta

path = make_report(
    y_true, y_pred,
    y_proba=proba,                 # opcional
    path="reporte.md",             # nombre del archivo Markdown
    title="Mi modelo"              # título del reporte
)
print(path)  # ruta del reporte generado

Qué evalúa

---

• Clasificación (binaria/multiclase/multi-label) Métricas: accuracy, precision/recall/F1 (macro/weighted), balanced_accuracy, mcc, log_loss (si hay probabilidades). AUC / AUPRC: roc_auc y pr_auc (binaria), roc_auc_ovr_macro y pr_auc_macro (multiclase), roc_auc_macro (multi-label). Gráficos: matriz de confusión, ROC y PR (por clase en multiclase, por etiqueta en multi-label).

• Regresión Métricas: MAE, MSE, RMSE, R², MedAE, MAPE, RMSLE. Gráficos: Ajuste (y vs ŷ) y Residuales.

• Forecasting Métricas: MAE, MSE, RMSE, MedAE, MAPE, RMSLE, sMAPE (%), MASE. Parámetros extra: season (p.ej. 12) e insample (serie de entrenamiento para MASE). Gráficos: Ajuste y Residuales.

Ejemplos

---

1) Clasificación binaria (scikit-learn)

from sklearn.datasets import make_classification
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from evalcards import make_report

X, y = make_classification(n_samples=600, n_features=10, random_state=0)
X_tr, X_te, y_tr, y_te = train_test_split(X, y, test_size=0.3, random_state=0)

clf = LogisticRegression(max_iter=1000).fit(X_tr, y_tr)
y_pred = clf.predict(X_te)
proba = clf.predict_proba(X_te)[:, 1]

make_report(y_te, y_pred, y_proba=proba, path="rep_bin.md", title="Clasificación binaria")

2) Multiclase (OvR)

from sklearn.datasets import load_iris
from sklearn.ensemble import RandomForestClassifier
@@ -107,51 +107,51 @@ X, y = make_multilabel_classification(n_samples=300, n_features=12, n_classes=4,
clf = MultiOutputClassifier(LogisticRegression(max_iter=1000)).fit(X, y)
y_pred = clf.predict(X)
# Probabilidad por etiqueta (matriz n_samples x n_labels)
y_proba = np.stack([m.predict_proba(X)[:,1] for m in clf.estimators_], axis=1)

make_report(y, y_pred, y_proba=y_proba, path="rep_multilabel.md", title="Multi-label Example", lang="en",
            labels=[f"Tag_{i}" for i in range(y.shape[1])])

4) Regresión

from sklearn.datasets import make_regression
from sklearn.ensemble import RandomForestRegressor
from sklearn.model_selection import train_test_split
from evalcards import make_report

X, y = make_regression(n_samples=600, n_features=8, noise=10, random_state=0)
X_tr, X_te, y_tr, y_te = train_test_split(X, y, test_size=0.3, random_state=0)

reg = RandomForestRegressor(random_state=0).fit(X_tr, y_tr)
y_pred = reg.predict(X_te)

make_report(y_te, y_pred, path="rep_reg.md", title="Regresión")

5) Forecasting (sMAPE/MASE + métricas extra)

import numpy as np
from evalcards import make_report

rng = np.random.default_rng(0)
t = np.arange(360)
y = 10 + 0.05*t + 5*np.sin(2*np.pi*t/12) + rng.normal(0,1,360)

y_train, y_test = y[:300], y[300:]
y_hat = y_test + rng.normal(0, 1.2, y_test.size)  # predicción de ejemplo

make_report(
    y_test, y_hat,
    task="forecast", season=12, insample=y_train,
    path="rep_forecast.md", title="Forecast"
)

Salidas y PATH

---

• Un archivo Markdown con las métricas y referencias a imágenes.
• Imágenes PNG (confusión, ROC/PR, ajuste, residuales).
  • Binaria: confusion.png, roc.png, pr.png
  • Multiclase: confusion.png, roc_class_<clase>.png, pr_class_<clase>.png
  • Multi-label: confusion_<etiqueta>.png, roc_label_<etiqueta>.png, pr_label_<etiqueta>.png @@ -171,52 +171,52 @@ make_report(y_true, y_pred, path="rep.md", lang="en", title="My Model Report")
• JSON (opcional): contiene metrics, charts y markdown.

Entradas esperadas (formas comunes)

---

• Clasificación
  • y_true: enteros 0..K-1 (o etiquetas string).
  • y_pred: del mismo tipo/espacio de clases que y_true.
  • y_proba (opcional):
    • Binaria: vector 1D con prob. de la clase positiva.
    • Multiclase: matriz (n_samples, n_classes) con una columna por clase (mismo orden que tu modelo).
    • Multi-label: matriz (n_samples, n_labels) con una columna por etiqueta (proba de pertenecer).
• Regresión / Forecast
  • y_true, y_pred: arrays 1D de floats.
  • insample (forecast): serie de entrenamiento para MASE; season según la estacionalidad (ej. 12 mensual/anual).

Compatibilidad de modelos

---

Funciona con cualquier modelo que produzca predict (y opcionalmente predict_proba):

• scikit-learn, XGBoost/LightGBM/CatBoost, statsmodels, Prophet/NeuralProphet, Keras/PyTorch.
• Multiclase: y_proba como matriz (una columna por clase) y labels para nombres.

Roadmap

---

v0.3 — Salida y métricas clave

• Reporte HTML autocontenido (format="md|html")
• Export JSON** de métricas/paths (--export-json)
• Métricas nuevas (clasificación): AUPRC, Balanced Accuracy, MCC, Log Loss
• Métricas nuevas (regresión): MAPE, MedAE, RMSLE

v0.4 — Multiclase y umbrales

• ROC/PR micro & macro (multiclase) + roc_auc_macro, average_precision_macro
• Análisis de umbral (curvas precisión–recobrado–F1 vs umbral + mejor umbral por métrica)
• Matriz de confusión normalizada (global y por clase)

v0.5 — Probabilidades y comparación

• Calibración: Brier score + curva de confiabilidad
• Comparación multi-modelo en un único reporte (tabla “mejor por métrica”)
• Curvas gain/lift (opcional)

v0.6 — DX, formatos y docs

• Nuevos formatos de entrada: Parquet/Feather/NPZ
• Config de proyecto (.evalcards.toml) para defaults (outdir, títulos, idioma)
• Docs con MkDocs + GitHub Pages (guía, API, ejemplos ejecutables)
• Plantillas/temas Jinja2 (branding)

Ideas

---

• Soporte multi-label (completado)
• Métricas de ranking (MAP/NDCG)
• Curvas de calibración por bins configurables
• QQ-plot e histograma de residuales (regresión)
• i18n ES/EN (completado)

Documentación

---

Guía | Referencia de API | Changelog | Demo Visual

Licencia

---

MIT

Autor

---

Ricardo Urdaneta

Linkedin