Ի՞նչ բինար դասակարգման մետրիկներ եք գիտակցում: Յուրաքանչյուրի առավելություններն ու թերությունները։

Երկկողմ դասակարգման հիմնական չափանիշները:

1. Անհայտություն (Accuracy)

   • Ճիշտ դասակարգված օբյեկտների տոկոսը:
   • Առավելություն: պարզ և ինտուիտիվ:
   • Թերություն: վատ է աշխատում անհավասարակշռված դասերով:

2. Նշան (Precision)

   • Ճիշտ դրականների տոկոսը բոլոր կանխատեսված դրականների մեջ:
   • Առավելություն: կարևոր է, երբ սխալ դրականները խիստ են:
   • Թերություն: չի հաշվի բաց թողած դրականները:

3. Հիշողություն (Recall)

   • Մոդելի կողմից հայտնաբերված ճիշտ դրականների տոկոսը՝ բոլոր իրական դրականների նկատմամբ:
   • Առավելություն: կարևոր է, երբ բաց թողած դրականները խիստ են:
   • Թերություն: կարող է լինել բարձր՝ շատ սխալ դրականների դեպքում:

4. F1-միջին (F1-score)

   • Համ harmonic միջինն անճշտության և հիշողության:
   • Առավելություն: հավասարակշռում է ճշգրտությունը և զգայունությունը:
   • Թերություն: չի հաշվի իրական բացասականները:

5. ROC AUC (Հատվածը ROC գծի տակ)

   • Արժեքավորում է մոդելի կարողությունը տարբեր շերտերում տարբերակել դասերը:
   • Առավելություն: կախված չէ դասակարգման շերտից:
   • Թերություն: կարող է լինել քիչ ինֆորմատիվ՝ ուժեղ անհավասարակշռության դեպքում:

6. Կառավարումային սխալի մատրիցա

   • Ցույց է տալիս TP, FP, TN, FN՝ մանրամասն վերլուծության համար:

Մետրիքի ընտրությունը կախված է առաջադրանքի բնույթից և այն սխալների կարևորությունից՝ բացթողումներ կամ կեղծ ազդանշաններ։