İkili sınıflandırma modeli, ürünleri "Geçti" veya "Kaldı" olarak etiketler ve buna göre bir montaj hattındaki öğeleri sıralar. Modelin performansını değerlendirmek için hangi değerlendirme metrikleri kullanılmalıdır? (İki tane seçin.)

İkili sınıflandırma modellerinde, "Geçti" veya "Kaldı" gibi iki olası çıktı sınıfı bulunur. Bu tür modellerin performansını değerlendirmek için genellikle hassasiyet (precision), geri çağırma (recall), doğruluk (accuracy) ve F1 skoru gibi metrikler kullanılır. Hassasiyet (Precision) ve Geri Çağırma (Recall): Hassasiyet, pozitif olarak tahmin edilen örneklerin ne kadarının gerçekten pozitif olduğunu gösterir. Geri çağırma ise gerçek pozitif örneklerin ne kadarının doğru bir şekilde pozitif olarak tahmin edildiğini ölçer. Bu iki metrik, özellikle sınıf dengesizliği olan durumlarda veya yanlış pozitif/negatiflerin farklı maliyetleri olduğunda birlikte değerlendirilmelidir. Doğruluk (Accuracy) ve F1 Skoru: Doğruluk, tüm tahminlerin ne kadarının doğru olduğunu gösteren genel bir ölçüttür. Ancak, sınıf dengesizliği durumunda yanıltıcı olabilir. F1 skoru, hassasiyet ve geri çağırmanın harmonik ortalamasıdır ve bu iki metriği dengeleyerek daha kapsamlı bir değerlendirme sunar. RMSE ve MAPE regresyon modelleri için kullanılırken, BLEU skoru ve Perplexity doğal dil işleme (NLP) alanında metin üretimi ve dil modellerini değerlendirmek için kullanılır.