[eduexe-intent]course_content[/eduexe-intent]
Nie ma jednej "najlepszej" metryki. Każda z omówionych metryk ma swoje wady i zalety, a wybór tej najodpowiedniejszej zależy od zbioru danych oraz głównego celu, jaki ma spełniać model. [eduexe-source]26:4[/eduexe-source]
Dokładność (accuracy) jest uniwersalna, ale może być niemiarodajna przy dużej różnicy liczebności między klasami.
Precyzja (precision) jest najważniejsza, gdy celem jest ograniczenie liczby fałszywie pozytywnych przypadków.
Czułość (recall) jest kluczowa, gdy zależy nam na wykryciu jak największej liczby przykładów z jednej klasy (ograniczenie fałszywie negatywnych).
F-score to uniwersalna metryka, gdy potrzebny jest kompromis między precyzją a czułością.