Quali metriche di qualità della classificazione esistono?

Per valutare la qualità della classificazione binaria, si utilizzano spesso le seguenti metriche:

• Precisione (Accuracy) — proporzione di oggetti correttamente classificati (sia positivi che negativi) sul totale.
• Precisione del positivo (Precision) — proporzione di oggetti positivi correttamente predetti tra tutti quelli classificati come positivi dal modello.
• Richiamo (Recall) — proporzione di oggetti positivi correttamente individuati rispetto a tutti i positivi reali.
• F1-score — media armonica tra precisione e richiamo, che bilancia entrambe.
• ROC-AUC — area sotto la curva ROC, che mostra la qualità della separazione delle classi a diversi sogli.

Ad esempio, se il modello prevede una malattia, la precisione mostrerà con quale frequenza la previsione positiva è corretta, e il richiamo quanti malati può rilevare.