Loetlege binaarklassifikatsiooni mudeli kvaliteedimõõdikud ja nende erinevused?

Peamised binaarse klassifikatsiooni mudeli kvaliteedi näitajad ja nende erinevused:

• Täpsus (Accuracy) — õigesti klassifitseeritud objektide osakaal (nii positiivsete kui ka negatiivsete). Hea tasakaalustatud klasside puhul.

• Precisionsus (Precision) — kõigi positiivsete prognooside hulgas tõeliselt positiivsete osakaal. Oluline, kui vale-positiivsed on kriitilised.

• Tagasikutsumine (Recall) — kõigi tõeliselt positiivsete hulgas õigesti tuvastatud osakaal. Oluline, et mitte jätta vahele positiivseid juhtumeid.

• F1-skoor — Harmooniline keskmine Precision ja Recall vahel, tasakaalustab mõlemat.

• ROC-AUC — pindala ROC-kõvera all, näitab mudeli võimet eristada klasse erinevatel lävendi väärtustel.

• Log Loss (Logaritmiline kaotus) — mõõdab tõenäosuspõhiste prognooside kvaliteeti, karistab enesekindlaid, kuid valesid prognoose.

Mõõdiku valik sõltub ülesandest: näiteks meditsiinilise diagnoosi puhul on oluline Recall, et mitte jätta vahele haiged, ja spam-filtris on oluline Precisionsus, et mitte blokeerida normaalseid e-kirju.