Aké metriky sú najdôležitejšie pri veľkom nerovnováhe tried (99 ku 1)?

Keď je vážna nerovnováha medzi triedami (napríklad 99 ku 1), štandardné metriky, ako je presnosť (accuracy), môžu byť zavádzajúce, pretože model môže jednoducho predpovedať prevažne triedu a dosiahnuť vysokú presnosť.

Prioritné metriky:

• Precision a Recall pre menšinovú triedu. Recall ukazuje, aké percento pozitívnych príkladov model správne našiel, a precision — aká je presnosť predpovedí pozitívnej triedy.
• F1-score — harmonický priemer precision a recall, ktorý ich vyvažuje.
• ROC-AUC — plocha pod ROC krivkou, odráža schopnosť modelu rozlišovať triedy.
• PR-AUC (Precision-Recall AUC) — obzvlášť užitočné pri nerovnováhe, pretože sa zameriava na menšinovú triedu.

Je dôležité vybrať správnu metriku podľa úlohy: ak je kľúčové neprehliadnuť pozitívne prípady — zamerajte sa na recall; ak je dôležitá presnosť — na precision.