Ποια μετρική ποιότητας ταξινόμησης υπάρχουν;

Για την αξιολόγηση της ποιότητας της δυαδικής ταξινόμησης, συχνά χρησιμοποιούνται οι ακόλουθες μετρήσεις:

• Ακρίβεια (Accuracy) — το ποσοστό των σωστά ταξινομημένων αντικειμένων (τόσο θετικών όσο και αρνητικών) από το σύνολο.
• Ακρίβεια θετικού (Precision) — το ποσοστό των σωστά προβλεφθέντων θετικών αντικειμένων μεταξύ όλων αυτών που η μονάδα ταξινόμησε ως θετικά.
• Ανάκληση (Recall) — το ποσοστό των σωστά ανιχνευμένων θετικών αντικειμένων σε σχέση με όλα τα πραγματικά θετικά.
• F1-score — ο αρμονικός μέσος όρος μεταξύ precision και recall, που ισορροπεί και τα δύο.
• ROC-AUC — το εμβαδόν κάτω από την καμπύλη ROC, που δείχνει την ποιότητα διαχωρισμού των κλάσεων σε διαφορετικά κατώφλια.

Για παράδειγμα, αν το μοντέλο προβλέπει μια ασθένεια, η ακρίβεια θα δείξει πόσο συχνά η θετική πρόβλεψη είναι σωστή, και η ανάκληση πόσους ασθενείς μπορεί να ανιχνεύσει.