რომელი ბინარული კლასიფიკაციის მეტრიკებს იცნობთ? თითოეულის უპირატესობები და ნაკლოვანებები.

ორ მხარის კლასიფიკაციის ძირითადი მეტრიკები:

1. სიზუსტე (Accuracy)

   • სწორად კლასიფიცირებული ობიექტების პროცენტი.
   • უპირატესობა: მარტივი და ინტუიციური.
   • ნაკლოვანება: ცუდად მუშაობს არათანასწორ კლასებში.

2. სიზუსტე (პოზიტიური პროგნოზების სიზუსტე)

   • ყველა პროგნოზირებულ პოზიტივში რეალური პოზიტივების პროცენტი.
   • უპირატესობა: მნიშვნელოვანია, როდესაც ყალბი პოზიტივები კრიტიკულია.
   • ნაკლოვანება: არ ითვალისწინებს გამოტოვებულ პოზიტივებს.

3. მეხსიერება (Recall)

   • მოდელის მიერ აღმოჩენილი რეალური პოზიტივების პროცენტი.
   • უპირატესობა: მნიშვნელოვანია, როდესაც გამოტოვება კრიტიკულია.
   • ნაკლოვანება: შეიძლება იყოს მაღალი ბევრი ყალბი პოზიტივით.

4. F1-შეფასება

   • სიზუსტისა და მეხსიერების ჰარმონიული საშუალო.
   • უპირატესობა: აძლიერებს სიზუსტეს და მგრძნობელობას შორის ბალანსს.
   • ნაკლოვანება: არ ითვალისწინებს რეალურ უარყოფითებს.

5. ROC AUC (ROC გრაფიკის ფართობი)

   • აფასებს მოდელის შესაძლებლობას განსხვავებული ზღვრის პირობებში კლასების გამორჩევა.
   • უპირატესობა: დამოკიდებული არაა კლასიფიკაციის ზღვარზე.
   • ნაკლოვანება: შეიძლება იყოს ნაკლებინფორმატიული ძლიერი დისბალანსის დროს.

6. შეცდომათა მატრიცა

   • აჩვენებს TP, FP, TN, FN დეტალური ანალიზისთვის.

მეტრიკის არჩევა დამოკიდებულია დავალებაზე და იმაზე, თუ რა შეცდომები არის კრიტიკულად მნიშვნელოვანი — გამოტოვებები თუ ყალბი სიგნალები.