哪一個指標通常最適合用於比較和評估分類模型？

AUC (Area Under the ROC Curve) 是評估分類模型性能的綜合指標，它衡量模型區分正負類別的能力。AUC 值越高，模型性能越好，且對類別不平衡問題具有較好的魯棒性。 召回率 (Recall) 僅關注模型正確識別正類別的能力，無法全面評估模型。錯誤分類率 (Misclassification rate) 在類別不平衡時可能產生誤導，因為模型可能透過大量預測多數類別來獲得看似低的錯誤率。平均絕對百分比誤差 (MAPE) 適用於迴歸模型，而非分類模型。