Кои са съществуващите метрики за качество на класификацията?

За оценка на качеството на бинарната класификация често се използват следните метрики:

• Точност (Accuracy) — делът на правилно класифицираните обекти (както положителни, така и отрицателни) от общия брой.
• Точност на положителния клас (Precision) — делът на правилно предсказаните положителни обекти сред всички, които моделът е класифицирал като положителни.
• Полнота (Recall) — делът на правилно откритите положителни обекти спрямо всички реални положителни.
• F1-скор — хармонично средно между точност и полнота, балансира ги.
• ROC-AUC — площ под ROC-кривата, показва качеството на разделяне на класовете при различни прагове.

Например, ако моделът предсказва болест, точността ще покаже колко често положителната прогноза е вярна, а полнотата — колко болни е успял да открие.