Система обнаружения мошенничества помечает подозрительные транзакции по кредитным картам для проверки сотрудниками. Компания хочет сократить время, затрачиваемое на проверку помеченных случаев, которые на самом деле являются легитимными. Какая метрика оценки лучше всего соответствует этой цели?

Precision (точность) — это доля правильно классифицированных положительных случаев среди всех случаев, которые модель предсказала как положительные. В данном контексте это доля действительно мошеннических транзакций среди всех транзакций, помеченных системой как мошеннические. Увеличение precision означает уменьшение количества ложноположительных срабатываний (помеченных легитимных транзакций), что напрямую сокращает время, затрачиваемое сотрудниками на их проверку. Recall (полнота) измеряет долю всех фактических мошеннических транзакций, которые были обнаружены, что важно для выявления мошенничества, но не для сокращения ложных срабатываний. Accuracy (правильность) измеряет общую долю правильных предсказаний, но может быть обманчивой при несбалансированных классах. Lift chart используется для оценки эффективности модели по сравнению со случайным выбором, а не для прямой оптимизации сокращения ложноположительных срабатываний.