Ao treinar modelos em conjuntos de dados desbalanceados, onde algumas classes têm muito mais exemplos do que outras, qual métrica mede melhor o quão bem o modelo equilibra a detecção e a rotulagem corretas das classes?

A pontuação F1 é a melhor métrica para conjuntos de dados desbalanceados porque é a média harmônica da precisão (Precision) e do recall. Ela penaliza modelos que têm um desempenho muito bom em uma métrica, mas muito ruim na outra, fornecendo uma medida equilibrada da capacidade do modelo de detectar e rotular corretamente as classes. A Acurácia pode ser enganosa em dados desbalanceados, pois um modelo pode ter alta acurácia simplesmente prevendo a classe majoritária. O Recall (sensibilidade) mede a proporção de positivos reais que foram identificados corretamente, enquanto a Precisão (valor preditivo positivo) mede a proporção de positivos previstos que foram realmente corretos; ambas são importantes, mas individualmente não fornecem a visão completa do equilíbrio em classes desbalanceadas.