Кои метрики за бинарна класификация знаете? Предимства и недостатъци на всяка.

Основните метрики за бинарна класификация:

1. Точност (Accuracy)

   • Процент на правилно класифицирани обекти.
   • Предимство: проста и интуитивна.
   • Недостатък: работи зле при несбалансирани класове.

2. Прецизност (Precision)

   • Процент на истинските положителни сред всички предсказани положителни.
   • Предимство: важна, когато грешките тип фалшив положителен са критични.
   • Недостатък: не взема предвид пропуснатите положителни.

3. Обхват (Recall)

   • Процент на откритите истински положителни спрямо всички реални положителни.
   • Предимство: важна, когато пропускането на положителни е критично.
   • Недостатък: може да бъде висок при много фалшиви положителни.

4. F1-скор

   • Хармонично средно между прецизност и обхват.
   • Предимство: балансира между точност и чувствителност.
   • Недостатък: не взема предвид истинските отрицателни.

5. ROC AUC (Площ под ROC кривата)

   • Оценява способността на модела да различава класовете при различни прагове.
   • Предимство: не зависи от прага на класификация.
   • Недостатък: може да бъде по-малко информативен при силен дисбаланс.

6. Матрица на объркване

   • Показва TP, FP, TN, FN за детайлен анализ.

Изборът на метрика зависи от задачата и от това кои грешки са по-критични — пропуски или фалшиви аларми.