İkili sınıflandırma metrikleri nelerdir? Her birinin artıları ve eksileri.

İkili sınıflandırma için temel metrikler:

1. Doğruluk (Accuracy)

   • Doğru sınıflandırılan nesnelerin oranı.
   • Artı: basit ve sezgisel.
   • Eksik: dengesiz sınıflarda iyi çalışmaz.

2. Kesinlik (Pozitif tahminlerin doğruluğu)

   • Tüm pozitif tahminler arasındaki gerçek pozitiflerin oranı.
   • Artı: yanlış pozitif hatalar kritik olduğunda önemlidir.
   • Eksik: kaçırılan pozitifleri dikkate almaz.

3. Duyarlılık (Recall)

   • Model tarafından bulunan gerçek pozitiflerin oranı, tüm gerçek pozitiflere göre.
   • Artı: pozitifleri atlamak kritikse önemlidir.
   • Eksik: çok sayıda yanlış pozitifle yüksek olabilir.

4. F1 skoru

   • Precision ve Recall'un harmonik ortalaması.
   • Artı: doğruluk ve duyarlılık arasında denge sağlar.
   • Eksik: gerçek negatifleri dikkate almaz.

5. ROC AUC (ROC eğrisi altında alan)

   • Modelin farklı eşiklerde sınıfları ayırt etme yeteneğini değerlendirir.
   • Artı: sınıflandırma eşiğine bağlı değildir.
   • Eksik: güçlü dengesizlik durumlarında daha az bilgilendirici olabilir.

6. Karışıklık Matrisi

   • TP, FP, TN, FN gösterir ve detaylı analiz sağlar.

Metrik seçimi, göreve ve hangi hataların daha kritik olduğuna bağlıdır — kaçırmalar mı yoksa yanlış alarm mı.