Welche Qualitätsmetriken für die Klassifikation gibt es?

Zur Bewertung der Qualität der binären Klassifikation werden häufig folgende Metriken verwendet:

• Genauigkeit (Accuracy) — Anteil der korrekt klassifizierten Objekte (sowohl positive als auch negative) am Gesamtbestand.
• Präzision (Precision) — Anteil der richtig vorhergesagten positiven Objekte an allen, die vom Modell als positiv eingestuft wurden.
• Recall (Sensitivität) — Anteil der richtig gefundenen positiven Objekte an allen tatsächlichen Positiven.
• F1-Score — harmonisches Mittel zwischen Präzision und Recall, das zwischen beiden balanciert.
• ROC-AUC — Fläche unter der ROC-Kurve, zeigt die Qualität der Trennung der Klassen bei verschiedenen Schwellen.

Zum Beispiel, wenn das Modell eine Krankheit vorhersagt, zeigt die Präzision, wie oft die positive Vorhersage korrekt ist, und der Recall, wie viele Kranken es erkennen konnte.