Aké metriky binárnej klasifikácie poznáte? Výhody a nevýhody každej.

Hlavné metriky pre binárnu klasifikáciu:

1. Presnosť (Accuracy)

   • Podiel správne klasifikovaných objektov.
   • Výhoda: jednoduchá a intuitívna.
   • Nevýhoda: zle funguje pri nevyvážených triedach.

2. Precíznosť (Pravdivé pozitívne predpovede)

   • Podiel pravdivých pozitívnych medzi všetkými predpovedanými pozitívnymi.
   • Výhoda: dôležitá, keď sú chyby falošne pozitívne kritické.
   • Nevýhoda: nezohľadňuje prehliadnuté pozitívne.

3. Recall (Citlivosť)

   • Podiel skutočných pozitívnych, ktoré model našiel, voči všetkým skutočným pozitívnym.
   • Výhoda: dôležitá, keď je kritické prehliadnutie pozitívnych.
   • Nevýhoda: môže byť vysoká pri veľkom počte falošne pozitívnych.

4. F1-skóre

   • Harmonic mean presnosti a recallu.
   • Výhoda: vyvažuje medzi presnosťou a citlivosťou.
   • Nevýhoda: nezohľadňuje skutočne negatívne.

5. ROC AUC (Plocha pod ROC krivkou)

   • Hodnotí schopnosť modelu rozlišovať triedy pri rôznych prahových hodnotách.
   • Výhoda: nezávisí od prahu klasifikácie.
   • Nevýhoda: môže byť menej informatívne pri silnom nevyváženosti.

6. Matica zámien

   • Ukazuje TP, FP, TN, FN pre detailnú analýzu.

Výber metriky závisí od úlohy a od toho, ktoré chyby sú kritickejšie — prehliadnutia alebo falošné poplachy.