Ein Unternehmen hat einen Bildklassifikator entwickelt, um Pflanzenkrankheiten anhand von Blattfotos zu erkennen, und möchte wissen, wie hoch der Anteil der Bilder ist, die das Modell korrekt klassifiziert hat. Welche Bewertungsmetrik sollte es verwenden?

Accuracy ist die geeignetste Metrik, da sie den Anteil der korrekt klassifizierten Bilder an der Gesamtzahl der Bilder misst. Dies entspricht genau der Fragestellung, wie viele Bilder das Modell richtig klassifiziert hat. Der R-squared score wird hauptsächlich in der Regressionsanalyse verwendet, um zu bewerten, wie gut das Modell die Varianz der abhängigen Variable erklärt. Root Mean Squared Error (RMSE) ist ebenfalls eine Metrik für Regressionsprobleme, die den durchschnittlichen Betrag der Fehler misst. Die Learning Rate ist ein Hyperparameter, der steuert, wie stark die Gewichte des Modells bei jedem Schritt während des Trainings angepasst werden, und ist keine Bewertungsmetrik für die Modellleistung.