Kokias dvejetainės klasifikacijos metrikas žinote? Kiekvienos privalumai ir trūkumai.

Pagrindiniai dvejetainės klasifikacijos rodikliai:

1. Tikslumas (Accuracy)

   • Teisingai klasifikuotų objektų procentas.
   • Pranašumas: paprastas ir intuityvus.
   • Trūkumas: blogai veikia nesubalansuotose klasėse.

2. Precizumas (Teisingų teigiamų prognozių dalis)

   • Teisingų teigiamų dalis tarp visų prognozuotų teigiamų.
   • Pranašumas: svarbu, kai klaidingi teigiami yra kritiniai.
   • Trūkumas: neatsižvelgia į praleistus teigiamus.

3. Atkūrimas (Recall)

   • Modelio surastų tikrųjų teigiamų dalis, palyginti su visais tikrais teigiamais.
   • Pranašumas: svarbu, kai praleisti teigiami yra kritiniai.
   • Trūkumas: gali būti aukštas su daug klaidingų teigiamų.

4. F1-balansas

   • Harmoningas vidurkis tarp tikslumo ir atkūrimo.
   • Pranašumas: subalansuoja tikslumą ir jautrumą.
   • Trūkumas: neatsižvelgia į tikruosius neigiamus.

5. ROC AUC (Plotas po ROC kreive)

   • Vertina modelio gebėjimą atskirti klases skirtinguose slenksčiuose.
   • Pranašumas: nepriklauso nuo klasifikavimo slenksčio.
   • Trūkumas: gali būti mažiau informatyvus stiprios disbalanso situacijoje.

6. Sumaišymo matrica

   • Rodo TP, FP, TN, FN detaliam analizei.

Metrikos pasirinkimas priklauso nuo užduoties ir nuo to, kurie klaidos yra kritiškai svarbūs — praleisti ar klaidingi signalai.