Milyen metrikákat tudsz megnevezni osztályozási feladatokhoz? Mesélj róluk.

A osztályozási feladatokhoz gyakran használják a következő metrikákat:

• Pontosság (Accuracy) — az összes objektum közül helyesen osztályozottak aránya. Jó kiegyensúlyozott osztályok esetén.

• Pontosság (Precision) — az igaz pozitív eredmények és az igaz pozitív és hamis pozitív eredmények összegének aránya. Fontos, ha minimalizálni akarjuk a hamis pozitívokat.

• Recall (Visszahívás) — az igaz pozitív eredmények és az igaz pozitív és hamis negatív eredmények összegének aránya. Fontos, ha el akarjuk kerülni a pozitív esetek kihagyását.

• F1-score — a Precision és a Recall harmonikus átlaga, amely kiegyensúlyozza mindkettőt.

• ROC-AUC — az ROC-görbe alatti terület, amely megmutatja a modell minőségét különböző osztályozási küszöböknél.

• Zavaró mátrix (Confusion Matrix) — táblázat, amely megmutatja az előrejelzések eloszlását osztályok szerint, segít megérteni a hibák típusait.

Minden metrika különböző feladatokra alkalmas, és az osztályok közötti egyensúlytól és az üzleti céloktól függ.