Ce metrici de calitate a clasificării există?

Pentru a evalua calitatea clasificării binare, se folosesc adesea următoarele metrici:

• Acuratețea (Accuracy) — proporția de obiecte corect clasificate (pozitive și negative) din total.
• Precizia (Precision) — proporția de obiecte pozitive corect prezise între toate cele pe care modelul le-a clasificat ca pozitive.
• Recall (Sensibilitate) — proporția de obiecte pozitive corect găsite față de toate pozitivele reale.
• F1-score — media armonică între precizie și recall, echilibrând cele două.
• ROC-AUC — aria de sub curba ROC, care arată calitatea separării claselor la diferiți praguri.

De exemplu, dacă modelul prezice o boală, precizia va arăta cât de frecvent predicția pozitivă este corectă, iar recall-ul câți bolnavi poate detecta.