Какие метрики используются для оценки качества классификации с помощью матрицы ошибок?

Некоторые метрики, которые используются для оценки качества классификации с помощью матрицы ошибок:

• Precision. gitverse.ru Количество точно предсказанных положительных значений. gitverse.ru Показатель отражает количество правильных результатов, которые дала модель, учитывая все правильно предсказанные положительные значения. gitverse.ru
• Accuracy. gitverse.ru Отношение числа правильных предсказаний к их общему количеству. gitverse.ru С помощью этого параметра можно понять, насколько точна модель. gitverse.ru
• Recall. gitverse.ru Показывает долю истинно положительных прогнозов, сделанных моделью, среди всех положительных образцов в наборе данных. gitverse.ru
• F-score (F-мера). lms.tsu.ru Объединяет в одной метрике точность и полноту, изменяется от 0 до 1. lms.tsu.ru
• ROC/AUC. lms.tsu.ru ROC-кривая (Receiver/Relative Operator Characteristic) применяется для бинарной классификации, а AUC (Area Under Curve) — численный показатель площади под кривой. lms.tsu.ru
• Null error rate. gitverse.ru Коэффициент показывает, насколько часто были допущены неточности в условиях, когда всегда предсказывался класс большинства. gitverse.ru
• Misclassification rate. gitverse.ru Отражает частоту ошибок или неверных прогнозов. gitverse.ru