Firma finansowa wdrożyła model ML do przewidywania rezygnacji klientów i posiada tygodniowe dane produkcyjne. Chcą zmierzyć, jak dokładnie model przewiduje rezygnację w porównaniu z rzeczywistymi wynikami. Jakiej metryki powinni użyć?

Wynik F1 jest odpowiedni, ponieważ jest to metryka do oceny modeli klasyfikacji binarnej, takich jak przewidywanie rezygnacji (klient rezygnuje lub nie). Wynik F1 to średnia harmoniczna precyzji i czułości, co czyni go użytecznym, gdy klasy są niezbalansowane (np. znacznie mniej klientów rezygnuje niż pozostaje). RMSE jest używany do regresji, a nie klasyfikacji. ROI jest metryką biznesową, a nie metryką oceny modelu ML. Wynik BLEU jest używany do oceny jakości tłumaczenia maszynowego lub generowania tekstu.