Ποιες μετρήσεις δυαδικής ταξινόμησης γνωρίζετε; Πλεονεκτήματα και μειονεκτήματα κάθε μιας.

Βασικά μετρικά στοιχεία για την δυαδική ταξινόμηση:

1. Ακρίβεια (Accuracy)

   • Ποσοστό σωστά ταξινομημένων αντικειμένων.
   • Πλεονέκτημα: απλό και διαισθητικό.
   • Μειονέκτημα: λειτουργεί άσχημα με ανισοκατανεμημένες κλάσεις.

2. Ακρίβεια (Προβλέψεις θετικών αποτελεσμάτων)

   • Ποσοστό αληθών θετικών μεταξύ όλων των προβλεπόμενων θετικών.
   • Πλεονέκτημα: σημαντικό όταν τα ψευδώς θετικά είναι κρίσιμα.
   • Μειονέκτημα: δεν λαμβάνει υπόψη τα παραλειπόμενα θετικά.

3. Ανάκληση (Recall)

   • Ποσοστό των πραγματικών θετικών που ανιχνεύονται από το μοντέλο σε σχέση με όλα τα πραγματικά θετικά.
   • Πλεονέκτημα: σημαντικό όταν η παράλειψη θετικών είναι κρίσιμη.
   • Μειονέκτημα: μπορεί να είναι υψηλό με πολλά ψευδώς θετικά.

4. F1-score

   • Αρμονική μέση όρου της ακρίβειας και της ανάκλησης.
   • Πλεονέκτημα: ισορροπεί μεταξύ ακρίβειας και ευαισθησίας.
   • Μειονέκτημα: δεν λαμβάνει υπόψη τα πραγματικά αρνητικά.

5. ROC AUC (Εμβαδόν κάτω από την καμπύλη ROC)

   • Αξιολογεί την ικανότητα του μοντέλου να διακρίνει τις κλάσεις σε διαφορετικά κατώφλια.
   • Πλεονέκτημα: ανεξάρτητο από το κατώφλι ταξινόμησης.
   • Μειονέκτημα: μπορεί να είναι λιγότερο ενημερωτικό σε περιπτώσεις ισχυρής ανισορροπίας.

6. Πίνακας σύγχυσης

   • Δείχνει TP, FP, TN, FN για λεπτομερή ανάλυση.

Η επιλογή της μετρικής εξαρτάται από το έργο και από το ποια λάθη είναι πιο κρίσιμα — παραλείψεις ή ψευδείς συναγερμοί.