二元分類模型將產品標記為「通過」或「失敗」，並據此在組裝線上對項目進行排序。應該使用哪些評估指標來評估模型的效能？（選擇兩項）

對於二元分類模型，評估指標應側重於模型正確分類正負樣本的能力。Precision 和 recall 是關鍵指標，因為它們分別衡量模型在所有預測為正的樣本中實際為正的比例，以及模型在所有實際為正的樣本中正確識別的比例。Accuracy 衡量模型整體正確分類的比例，而 F1 score 則是 precision 和 recall 的調和平均值，在類別不平衡時特別有用。RMSE 和 MAPE 用於迴歸問題，BLEU score 用於機器翻譯，Perplexity 用於語言模型，這些都不適用於二元分類。