İkili sınıflandırma modeli kalite metriklerini ve bunların farklarını sıralayınız?

İkili sınıflandırma modeli için temel kalite metrikleri ve aralarındaki farklar:

• Doğruluk (Accuracy) — doğru sınıflandırılan nesnelerin oranı (hem pozitif hem de negatif). Dengeli sınıflar durumunda iyidir.

• Kesinlik (Precision) — modelin pozitif olarak tahmin ettiği tüm örnekler arasındaki gerçek pozitiflerin oranı. Yanlış pozitiflerin kritik olduğu durumlarda önemlidir.

• Duyarlılık (Recall) — gerçek pozitiflerin, model tarafından doğru şekilde tespit edilen oranı. Pozitif vakaları kaçırmamak için önemlidir.

• F1 Skoru — Precision ve Recall'un harmonik ortalaması, ikisi arasında denge sağlar.

• ROC-AUC — ROC eğrisi altındaki alan, modelin farklı eşiklerde sınıfları ayırt etme yeteneğini gösterir.

• Log Kayıp (Log Loss) — olasılık tahminlerinin kalitesini ölçen, güvenilir ama yanlış tahminleri cezalandıran bir metriktir.

Metrik seçimi göreve bağlıdır: örneğin, hastalık teşhisinde, hastaları kaçırmamak için Recall önemlidir, spam'de ise normal e-postaları engellememek için Precision kritiktir.