¿Puede la IA modificar mis archivos de datos originales?

No. La IA solo lee tus datos para realizar los cálculos; no puede modificar ni sobrescribir tus archivos de origen.

¿Funciona con cualquier resultado de modelo?

Sí, siempre que el resultado sea un array de probabilidad o una puntuación que pueda compararse con las etiquetas de verdad de referencia.

¿Puede la IA trazar las curvas ROC por mí?

No. Este MCP es estrictamente para calcular la métrica AUC. No genera gráficos ni representaciones visuales.

¿Puedo comparar más de dos modelos a la vez?

Sí. Puedes proporcionar múltiples arrays de probabilidad en una sola solicitud para compararlos todos con las mismas etiquetas.

¿Decidirá la IA qué modelo desplegar?

No. La IA proporciona la evidencia matemática, pero la decisión final de desplegar un modelo depende totalmente de ti.

RANKINGMÉTRICASANÁLISISHUMANO

RANKING
MÉTRICAS
ANÁLISIS
HUMANO

Cómo comparar clasificadores binarios con tu IA

Conecta este MCP a tu cliente de IA para realizar comparaciones matemáticas entre distintos resultados de modelos. El conector se encarga de los cálculos complejos para que tú te centres en los resultados.

Pregunta a la IA sobre esta página

Respuesta rápida

¿Cómo comparo el rendimiento de clasificadores binarios con mi IA?

Proporciona a tu IA las etiquetas de verdad de referencia y los arrays de probabilidad de tus modelos. El agente calculará el AUC exacto de cada array para mostrarte qué modelo tiene el mejor poder predictivo. Obtendrás un ranking claro del rendimiento de los modelos.

Los resultados.

Lo que obtienes de la comparación.

La IA procesa tus datos para generar estos resultados específicos.

RANKING

Orden de rendimiento

La IA compara los valores AUC calculados para indicarte qué modelo es estadísticamente superior para tu conjunto de datos específico.

MÉTRICAS

Puntuaciones AUC exactas

Recibirás valores numéricos precisos para cada array de probabilidad, no solo una idea general de cuál es mejor.

ANÁLISIS

Información basada en datos

La IA interpreta las puntuaciones para explicar qué tan superior es la capacidad de un modelo para distinguir clases frente a otro.

HUMANO

Ajuste manual de umbrales

La IA entrega las puntuaciones, pero tú decides qué umbral de probabilidad es el más adecuado para tu caso de uso real.

El flujo

Lo que hace tu IA cuando recibe los datos.

La IA actúa como un validador matemático para los resultados de tus modelos.

Ingesta de datos
Tu IA lee las etiquetas de verdad de referencia y los diversos arrays de probabilidad que hayas subido o pegado en el chat.
calculate_roc_auc
Cálculo de métricas
El agente realiza los cálculos para hallar el área bajo la curva ROC de cada entrada.
calculate_roc_auc
Ranking comparativo
La IA organiza las puntuaciones resultantes para identificar qué modelo ofrece el mayor poder de discriminación.
calculate_roc_auc
Reporte de resultados
El agente presenta los valores finales de AUC y el modelo ganador en un formato limpio para tu revisión.
calculate_roc_auc

Pruébalo

Copia estos ejemplos para empezar.

Usa estos prompts para iniciar tu evaluación.

Puntos de partida

Sustituye el texto entre corchetes por tus arrays de datos o rutas de archivos reales.

Native V8 Connector

Todo listo. Elige tu cliente MCP y sigue las instrucciones de configuración.

Enlace del conectorhttps://edge.vinkius.com/vk_preview_VDeZcIBi8DFwURcnalpzs8zfvNkZF1ZSn2YpeI8w/mcp

Claude Desktop

Sigue los pasos siguientes para conectarte en segundos.

1In Claude Desktop, open Settings → Connectors.
2Click “Add custom connector” and paste the connector link above as the remote MCP server URL.
3Click Add and start a new chat — Native V8 capabilities are ready to use.

Configuración · claude_desktop_config.jsonCopiar

{
  "mcpServers": {
    "roc-auc-evaluator-mcp": {
      "url": "https://edge.vinkius.com/vk_preview_VDeZcIBi8DFwURcnalpzs8zfvNkZF1ZSn2YpeI8w/mcp"
    }
  }
}

Copia en el chat04

Compara estos tres arrays de probabilidad con esta verdad de referencia: [array1], [array2], [array3] con las etiquetas [labels].
Calcula el ROC AUC de los resultados del modelo en mi archivo 'model_results.csv' frente a la verdad de referencia en 'labels.csv'.
¿Cuál de estos dos modelos funciona mejor según sus puntuaciones AUC? [array_a], [array_b] frente a [labels].
Realiza una evaluación de AUC sobre las puntuaciones de probabilidad que se encuentran en mi directorio de trabajo actual.

Claude
ChatGPT
Cursor
VS Code
Windsurf
Claude Code
JetBrains
Cline

Empieza aquí

Conecta ROC AUC Evaluator una vez y luego pregunta.

Solo tienes que hacer clic en el enlace para conectar el MCP a tu cliente. Tus credenciales permanecen cifradas y puedes empezar a realizar cálculos de inmediato.

Conectar ROC AUC Evaluator a tu IA

FAQ

Cómo funciona el evaluador

01
¿Puede la IA modificar mis archivos de datos originales?
No. La IA solo lee tus datos para realizar los cálculos; no puede modificar ni sobrescribir tus archivos de origen.
02
¿Funciona con cualquier resultado de modelo?
Sí, siempre que el resultado sea un array de probabilidad o una puntuación que pueda compararse con las etiquetas de verdad de referencia.
03
¿Puede la IA trazar las curvas ROC por mí?
No. Este MCP es estrictamente para calcular la métrica AUC. No genera gráficos ni representaciones visuales.
04
¿Puedo comparar más de dos modelos a la vez?
Sí. Puedes proporcionar múltiples arrays de probabilidad en una sola solicitud para compararlos todos con las mismas etiquetas.
05
¿Decidirá la IA qué modelo desplegar?
No. La IA proporciona la evidencia matemática, pero la decisión final de desplegar un modelo depende totalmente de ti.
¿Tienes más dudas sobre ROC AUC Evaluator? La página del conector tiene las respuestas. Ver todo lo que puede hacer el conector ROC AUC Evaluator

Conecta Native V8 a Claude, Cursor, ChatGPT y más