Qual métrica é geralmente a mais apropriada para comparar e avaliar modelos de classificação entre si?

A Área sob a Curva ROC (AUC) é a métrica mais apropriada para comparar e avaliar modelos de classificação porque ela mede a capacidade de um modelo de distinguir entre classes, independentemente do limiar de classificação. Um AUC mais alto indica melhor desempenho. Recall (Revocação) é importante, mas foca apenas na proporção de positivos verdadeiros corretamente identificados, sem considerar os falsos positivos. A Taxa de erro de classificação (Misclassification rate) é uma métrica simples, mas pode ser enganosa em conjuntos de dados desequilibrados, pois não diferencia entre os tipos de erros. O Erro percentual absoluto médio (MAPE) é uma métrica usada para problemas de regressão, não para classificação.