Модель бинарной классификации помечает продукты как «Passed» или «Failed» и соответствующим образом сортирует элементы на сборочной линии. Какие метрики оценки следует использовать для оценки производительности модели? (Выберите две.)

Precision и recall (точность и полнота) являются ключевыми метриками для оценки моделей бинарной классификации, особенно когда важен баланс между ложноположительными и ложноотрицательными результатами. Precision показывает долю правильно классифицированных положительных случаев среди всех предсказанных положительных, а recall — долю правильно классифицированных положительных случаев среди всех фактических положительных. Accuracy (точность) измеряет общую долю правильных предсказаний, а F1-score (F1-мера) является гармоническим средним precision и recall, что делает её полезной, когда классы несбалансированы или когда важен баланс между precision и recall. RMSE и MAPE используются для регрессионных задач, BLEU score — для оценки качества машинного перевода, а perplexity — для оценки языковых моделей. Эти метрики не подходят для бинарной классификации.