Welke classificatiekwaliteitsmetingen bestaan er?

Om de kwaliteit van binaire classificatie te beoordelen, worden vaak de volgende metrics gebruikt:

• Accuracy (Nauwkeurigheid) — het aandeel correct geclassificeerde objecten (zowel positief als negatief) van het totaal.
• Precisie (Positieve voorspellingsprecisie) — het aandeel correct voorspelde positieve objecten onder alle objecten die door het model als positief zijn geclassificeerd.
• Recall (Herinnering) — het aandeel correct gevonden positieve objecten ten opzichte van alle echte positieve objecten.
• F1-score — de harmonische gemiddelde tussen precisie en recall, die een balans tussen beide biedt.
• ROC-AUC — het gebied onder de ROC-curve, dat de kwaliteit van de scheiding van klassen bij verschillende drempels aangeeft.

Bijvoorbeeld, als het model een ziekte voorspelt, toont precisie hoe vaak de positieve voorspelling correct is, en recall hoeveel zieken het kan detecteren.