Kādas ir klasifikācijas kvalitātes metriku?

Lai novērtētu binārās klasifikācijas kvalitāti, bieži tiek izmantoti šādi rādītāji:

• Precizitāte (Accuracy) — pareizi klasificētu objektu daļa no kopējā skaita.
• Pozitīvās klases precizitāte (Precision) — pareizi prognozēto pozitīvo objektu daļa no visiem, kurus modelis ir klasificējis kā pozitīvus.
• Atgādinājums (Recall) — pareizi atrasto pozitīvo objektu daļa no visiem reāliem pozitīviem.
• F1-score — harmoniska vidējā starp precizitāti un atgādinājumu, kas līdzsvaro abus.
• ROC-AUC — laukums zem ROC līknes, kas rāda klases atdalīšanas kvalitāti dažādos sliekšņos.

Piemēram, ja modelis prognozē slimību, precizitāte parādīs, cik bieži pozitīva prognoze ir pareiza, un atgādinājums — cik daudz slimu tas var atklāt.