Некоторые основные критерии оценки адекватности модели машинного обучения:

• Точность (Accuracy). 3 Доля правильных ответов модели среди всех предсказаний. 3
• Точность (Precision). 35 Доля истинно положительных ответов среди всех положительных ответов модели. 3
• Полнота (Recall). 35 Доля истинно положительных ответов среди всех правильных ответов. 3
• F1-мера. 35 Гармоническое среднее между точностью и полнотой. 3
• Коэффициент корреляции Пирсона. 5 Используется для оценки качества регрессионных моделей, показывает степень линейной зависимости между предсказанными и истинными значениями. 5
• Среднеквадратичная ошибка (Mean Squared Error, MSE). 5 Сумма квадратов разностей между предсказанными и истинными значениями, делённая на количество объектов. 5
• R2-коэффициент детерминации. 3 Мера, которая показывает, насколько хорошо модель подходит для данных. 3
• Коэффициент силуэта. 3 Мера, которая показывает, насколько точно каждый объект соответствует своему кластеру и насколько он отличается от других кластеров. 3

Выбор критериев оценки зависит от конкретной задачи и потребностей бизнеса. 2