ある企業が、クレジットカード詐欺を検出するための分類器をトレーニングしています。取引の約2%が不正なものです。ビジネス上の優先事項は、できるだけ多くの不正な取引を捕捉することです。データサイエンティストはどの評価指標を最適化すべきですか？（2つ選択してください。）

このシナリオでは、不正な取引（陽性クラス）を見逃さないことが最優先事項です。 真陽性率（再現率）は、実際の不正取引のうち、モデルが正しく不正と識別した割合を示します。これを最大化することで、見逃しを最小限に抑えられます。 F1スコアは、再現率と適合率（モデルが不正と予測したもののうち、実際に不正であった割合）の調和平均です。不正取引の検出では、再現率だけでなく、誤って正常な取引を不正と判断する（偽陽性）こともビジネスに影響を与えるため、F1スコアを最適化することで、両者のバランスを取りながら全体的なパフォーマンスを向上させることができます。 特異度は正常な取引を正しく識別する能力、偽陽性率は正常な取引を誤って不正と識別する割合、正解率は全体の予測の正確性を示しますが、これらは不均衡なデータセットにおいて、少数派クラスの検出性能を適切に評価できない場合があります。