Welche Metrik eignet sich im Allgemeinen am besten, um Klassifizierungsmodelle miteinander zu vergleichen und zu bewerten?

Die Area Under the ROC Curve (AUC) ist im Allgemeinen die beste Metrik zum Vergleich und zur Bewertung von Klassifizierungsmodellen, da sie die Fähigkeit des Modells misst, positive und negative Klassen über alle möglichen Schwellenwerte hinweg zu unterscheiden. Ein höherer AUC-Wert deutet auf eine bessere Gesamtleistung hin. Recall (Empfindlichkeit) ist wichtig, misst aber nur den Anteil der tatsächlich positiven Fälle, die korrekt identifiziert wurden, und ignoriert falsch positive Ergebnisse. Die Misclassification Rate (Fehlklassifizierungsrate) ist zu einfach, da sie die Art der Fehler nicht berücksichtigt (z. B. falsch positiv vs. falsch negativ) und bei unausgewogenen Datensätzen irreführend sein kann. Mean Absolute Percentage Error (MAPE) ist eine Metrik für Regressionsmodelle und nicht für Klassifizierungsmodelle geeignet.