Un modello di classificazione binaria etichetta i prodotti come "Superato" o "Fallito" e ordina gli articoli di conseguenza su una linea di assemblaggio. Quali metriche di valutazione dovrebbero essere utilizzate per valutare le prestazioni del modello? (Scegliere due.)

Per un modello di classificazione binaria, Precisione (Precision) e Richiamo (Recall) sono metriche fondamentali. La Precisione misura la proporzione di identificazioni positive corrette tra tutte le identificazioni positive fatte dal modello, utile quando i falsi positivi sono costosi. Il Richiamo misura la proporzione di identificazioni positive corrette tra tutte le istanze positive effettive, importante quando i falsi negativi sono costosi. L'Accuratezza (Accuracy) misura la proporzione di previsioni corrette totali, mentre il Punteggio F1 è la media armonica di Precisione e Richiamo, fornendo un equilibrio tra le due, particolarmente utile con dataset sbilanciati. RMSE e MAPE sono metriche per problemi di regressione, non classificazione. BLEU e Perplessità sono metriche utilizzate principalmente per la valutazione di modelli di elaborazione del linguaggio naturale (NLP).