Quelle métrique est généralement la plus appropriée pour comparer et évaluer des modèles de classification les uns par rapport aux autres ?

L'AUC (Aire sous la courbe ROC) est la métrique la plus appropriée pour comparer des modèles de classification car elle évalue la performance globale d'un classifieur à tous les seuils de classification possibles. Elle représente la capacité du modèle à distinguer les classes positives des classes négatives. Un AUC élevé indique une meilleure performance. Le Rappel (Recall) ne mesure que la proportion de positifs correctement identifiés, ignorant les faux positifs. Le Taux de mauvaise classification (Misclassification rate) est sensible aux déséquilibres de classes et ne donne pas une image complète des compromis entre les vrais positifs et les faux positifs. L'erreur moyenne absolue en pourcentage (MAPE) est une métrique pour les problèmes de régression, non de classification.