Un professionista dell'IA deve scegliere una metrica delle prestazioni che mostri il rapporto tra gli elementi classificati correttamente e il numero totale di elementi classificati (sia corretti che errati). Qual è questa metrica?

L'Accuracy (accuratezza) è la metrica che misura la proporzione di previsioni corrette (veri positivi e veri negativi) rispetto al numero totale di previsioni effettuate. È calcolata come (TP + TN) / (TP + TN + FP + FN), dove TP sono i veri positivi, TN i veri negativi, FP i falsi positivi e FN i falsi negativi. Precision (precisione) misura la proporzione di veri positivi tra tutti gli elementi classificati come positivi (TP / (TP + FP)). Recall (sensibilità o richiamo) misura la proporzione di veri positivi tra tutti gli elementi che avrebbero dovuto essere classificati come positivi (TP / (TP + FN)). L'F1 score è la media armonica di precision e recall, utile quando c'è uno squilibrio tra le classi. Nessuna di queste metriche rappresenta il rapporto tra elementi classificati correttamente e il totale degli elementi classificati.