Նշեք բինարային դասակարգման մոդելի որակական մետրիկաները և դրանց տարբերությունները:

Բնորոշ մետրիկները բինար դասակարգման մոդելի որակականության և դրանց տարբերությունները՝

• Նշանագեղություն (Accuracy) — ճիշտ դասակարգված օբյեկտների մասնաբաժինը (և դրական, և բացասական): Լավ է երբ դասերը հավասարակշռված են:

• Նշանագեղություն (Precision) — իրական դրականների մասնաբաժինը բոլոր այն դեպքերի մեջ, որոնք մոդելը կանխատեսել է որպես դրական: Կարևոր է երբ սխալ դրականները խիստ կարևոր են:

• Հիշողություն (Recall) — իրական դրականների մասնաբաժինը, որոնք մոդելը ճիշտ է հայտնաբերել բոլոր իրական դրականների մեջ: Կարևոր է երբ կարևոր է չմնալ դրական դեպքերը:

• F1-score — Համ harmonic միջինը Precision և Recall-ի միջև, որը հավասարակշռում է երկուսին:

• ROC-AUC — մակերեսը ROC գծի տակ, ցույց է տալիս մոդելի կարողությունը տարբեր շեմքերում տարբերել դասերը:

• Log Loss (Լոգարիթմական կորուստ) — չափում է հավանականության կանխատեսումների որակը, պատժում վստահ, բայց սխալ կանխատեսումները:

Մետրիկի ընտրությունը կախված է խնդրից: Օրինակ, հիվանդությունների ախտորոշման ժամանակ կարևոր է Recall-ը, որպեսզի չմնան հիվանդները, իսկ spam-ում կարևոր է Precision-ը, որպեսզի չխոչընդոտեն նորմալ նամակները։