Как проводилась итоговая оценка качества в рабочем ML-проекте

Метрики выбирались исходя из бизнес-целей. Для классификации использовали F1-score (несбалансированные данные) и ROC-AUC (важны вероятности). В регрессии — MAE и R².

Дополнительно:

• A/B-тест с предыдущим решением (если было)
• Мониторинг дрейфа данных в production
• Логирование ошибок для анализа

Пример для бинарной классификации:

from sklearn.metrics import classification_report
y_true = [0, 1, 1, 0]
y_pred = [0, 1, 0, 0]
print(classification_report(y_true, y_pred))

Всегда учитывали контекст: например, precision важнее recall при фильтрации спама.