Welke metriek is over het algemeen het meest geschikt voor het vergelijken en evalueren van classificatiemodellen?

AUC (Area Under the ROC Curve) is over het algemeen de meest geschikte metriek voor het vergelijken en evalueren van classificatiemodellen omdat het een robuuste maatstaf is voor de prestaties van een model over alle mogelijke classificatiedrempels heen. Het geeft aan hoe goed het model positieve en negatieve klassen kan onderscheiden, onafhankelijk van de klasse-onbalans. Recall meet alleen het percentage correct geïdentificeerde positieven, wat misleidend kan zijn bij scheve datasets. Misclassification rate (of accuracy) is gevoelig voor klasse-onbalans en geeft geen inzicht in de typen fouten. MAPE is een metriek voor regressieproblemen, niet voor classificatie.