Какие метрики ты можешь назвать для задач классификации? Расскажи про каждую из них.

Для задач классификации часто используют следующие метрики:

• Accuracy (Точность) — доля правильно классифицированных объектов от общего числа. Хорошо подходит при сбалансированных классах.

• Precision (Точность положительных предсказаний) — отношение истинно положительных результатов к сумме истинно положительных и ложноположительных. Важна, когда важно минимизировать ложные срабатывания.

• Recall (Полнота) — отношение истинно положительных к сумме истинно положительных и ложноотрицательных. Важна, когда нужно минимизировать пропуски положительных случаев.

• F1-score — гармоническое среднее Precision и Recall, балансирует между ними.

• ROC-AUC — площадь под ROC-кривой, показывает качество модели при разных порогах классификации.

• Confusion Matrix (Матрица ошибок) — таблица, показывающая распределение предсказаний по классам, помогает понять типы ошибок.

Каждая метрика подходит для разных задач и зависит от баланса классов и бизнес-целей.