Некоторые средства оценки качества решения задачи классификации:
Accuracy (точность). webiomed.ru cyberleninka.ru Показывает количество правильно проставленных меток класса (истинно положительных и истинно отрицательных) от общего количества данных. webiomed.ru
Recall (полнота). kartaslov.ru Показывает, какую долю объектов положительного класса модель смогла правильно классифицировать. kartaslov.ru
F1-Score. webiomed.ru Если Precision и Recall являются одинаково значимыми, можно использовать их среднее гармоническое для получения оценки результатов. webiomed.ru
ROC (receiver operating characteristic). webiomed.ru График, показывающий зависимость верно классифицируемых объектов положительного класса от ложно положительно классифицируемых объектов негативного класса. webiomed.ru
AUC (Area Under Curve). webiomed.ru Численное значение, равное площади под ROC-кривой. kartaslov.ru Чем ближе значение ROC AUC к 1 (или 100%), тем лучше модель справляется с задачей классификации. kartaslov.ru
Примеры полезных ответов Поиска с Алисой на вопросы из разных сфер. Вопросы сгенерированы нейросетью YandexGPT для актуальных тем, которые определяются на базе обобщённых запросов к Поиску с Алисой.