Модель медицинской диагностики была обучена на несбалансированном наборе данных, где количество здоровых пациентов значительно превышает количество больных. Ложноположительные результаты (неправильная классификация здоровых пациентов как больных) увеличивают затраты компании. Какая метрика лучше всего отражает производительность модели с учетом этой проблемы?

Precision (точность) — это доля правильно предсказанных положительных случаев из всех случаев, которые модель предсказала как положительные. В данном сценарии ложноположительные результаты (здоровые пациенты, ошибочно классифицированные как больные) увеличивают затраты. Высокая точность означает, что модель редко ошибочно классифицирует здоровых пациентов как больных, что напрямую минимизирует эти затраты. Recall (полнота) фокусируется на обнаружении всех больных пациентов, F1-мера — это гармоническое среднее точности и полноты, а Accuracy (правильность) может быть обманчива на несбалансированных данных, так как модель может иметь высокую правильность, просто классифицируя большинство пациентов как здоровых.