Kuras binārās klasifikācijas metriku jūs zināt? Katras priekšrocības un trūkumi.

Galvenie binārās klasifikācijas rādītāji:

1. Precizitāte (Accuracy)

   • Pareizi klasificētu objektu procents.
   • Priekšrocība: vienkārša un intuitīva.
   • Trūkums: slikti darbojas ar nesabalansētām klasēm.

2. Precizitāte (Pozitīvo prognožu precizitāte)

   • Pareizo pozitīvo daļa starp visiem prognozētajiem pozitīvajiem.
   • Priekšrocība: svarīga, ja kļūdas ar falsīgiem pozitīviem ir kritiskas.
   • Trūkums: neņem vērā palaistās pozitīvās.

3. Atgādinājums (Recall)

   • Modelī atrasto patieso pozitīvo daļa attiecībā pret visiem patiesajiem pozitīvajiem.
   • Priekšrocība: svarīga, ja palaistās pozitīvās ir kritiskas.
   • Trūkums: var būt augsts ar daudz falsīgiem pozitīviem.

4. F1 rādītājs

   • Harmonisks vidējais starp precizitāti un atgādinājumu.
   • Priekšrocība: līdzsvaro precizitāti un jutīgumu.
   • Trūkums: neņem vērā patiesos negatīvos.

5. ROC AUC (Laukums zem ROC līknes)

   • Novērtē modeļa spēju atšķirt klases dažādos sliekšņos.
   • Priekšrocība: neatkarīgs no klasifikācijas sliekšņa.
   • Trūkums: var būt mazāk informatīvs stipras nelīdzsvarotības gadījumā.

6. Apjukuma matrica

   • Rāda TP, FP, TN, FN detalizētai analīzei.

Metrikas izvēle ir atkarīga no uzdevuma un no tā, kuri kļūdas ir kritiskākas — palaistās vai falsas brīdinājumi.