Praktyk AI musi wybrać metrykę wydajności, która pokazuje stosunek poprawnie sklasyfikowanych elementów do całkowitej liczby sklasyfikowanych elementów (zarówno poprawnych, jak i niepoprawnych). Jaka to metryka?

Accuracy (dokładność) to metryka, która mierzy stosunek liczby poprawnie sklasyfikowanych instancji (zarówno prawdziwie pozytywnych, jak i prawdziwie negatywnych) do całkowitej liczby instancji w zbiorze danych. Odpowiada to opisowi w pytaniu: "stosunek poprawnie sklasyfikowanych elementów do całkowitej liczby sklasyfikowanych elementów". Precision (precyzja) mierzy stosunek prawdziwie pozytywnych wyników do wszystkich pozytywnych wyników przewidzianych przez model (prawdziwie pozytywne + fałszywie pozytywne). Recall (czułość) mierzy stosunek prawdziwie pozytywnych wyników do wszystkich rzeczywistych pozytywnych przypadków (prawdziwie pozytywne + fałszywie negatywne). F1 score jest średnią harmoniczną precyzji i czułości. Żadna z tych metryk nie odpowiada bezpośrednio opisowi podanemu w pytaniu.