Lors de l'entraînement de modèles sur des jeux de données déséquilibrés où certaines classes ont beaucoup plus d'exemples que d'autres, quelle métrique mesure le mieux la capacité du modèle à équilibrer la détection et l'étiquetage corrects des classes ?

Le F1-score est la meilleure métrique car il représente la moyenne harmonique de la précision et du rappel. Il est particulièrement utile pour les jeux de données déséquilibrés car il pénalise les modèles qui ont de mauvaises performances sur l'une ou l'autre de ces métriques. Une précision élevée sans un rappel élevé (ou vice versa) ne donnera pas un bon F1-score, ce qui encourage un équilibre entre la détection correcte (rappel) et l'étiquetage correct (précision) des classes minoritaires. L'Accuracy (précision globale) peut être trompeuse sur des jeux de données déséquilibrés car un modèle peut obtenir une précision élevée en classant simplement toutes les instances dans la classe majoritaire. Le Recall (rappel) mesure la capacité du modèle à trouver toutes les instances positives, tandis que la Precision (précision) mesure la proportion d'identifications positives qui étaient réellement correctes ; aucune des deux ne donne à elle seule une vue complète de l'équilibre nécessaire.