Какие метрики качества классификации существуют?

Для оценки качества бинарной классификации часто используют следующие метрики:

• Accuracy (Точность) — доля правильно классифицированных объектов (как положительных, так и отрицательных) от общего числа.
• Precision (Точность положительного класса) — доля правильно предсказанных положительных объектов среди всех, которые модель отнесла к положительному классу.
• Recall (Полнота) — доля правильно найденных положительных объектов от всех реальных положительных.
• F1-score — гармоническое среднее между precision и recall, балансирует между ними.
• ROC-AUC — площадь под ROC-кривой, показывает качество разделения классов при разных порогах.

Например, если модель предсказывает болезнь, precision покажет, насколько часто положительный прогноз верен, а recall — сколько больных она смогла обнаружить.