Quais são as métricas de qualidade de classificação existentes?

Para avaliar a qualidade da classificação binária, frequentemente utilizam-se as seguintes métricas:

• Precisão (Accuracy) — proporção de objetos corretamente classificados (positivos e negativos) do total.
• Precisão do positivo (Precision) — proporção de objetos positivos corretamente previstos entre todos os que o modelo classificou como positivos.
• Recall (Sensibilidade) — proporção de objetos positivos corretamente encontrados em relação a todos os positivos reais.
• F1-score — média harmônica entre precisão e recall, equilibrando ambos.
• ROC-AUC — área sob a curva ROC, que mostra a qualidade da separação de classes em diferentes limiares.

Por exemplo, se o modelo prevê uma doença, a precisão mostrará com que frequência a previsão positiva está correta, e o recall quantos doentes consegue detectar.