Какие знаешь метрики для оценки качества обучения модели

Для классификации:

• Accuracy: доля правильных предсказаний (accuracy_score в sklearn)
• Precision, Recall, F1: для дисбалансированных классов (precision_score, recall_score, f1_score)
• ROC-AUC: площадь под ROC-кривой (roc_auc_score)
• Log Loss: учитывает уверенность модели (log_loss)

Для регрессии:

• MSE, RMSE: среднеквадратичная ошибка (mean_squared_error)
• MAE: средняя абсолютная ошибка (mean_absolute_error)
• R²: коэффициент детерминации (r2_score)

Пример:

from sklearn.metrics import accuracy_score

y_true = [0, 1, 1, 0]
y_pred = [0, 1, 0, 0]
print(accuracy_score(y_true, y_pred))  # 0.75

Выбор метрики зависит от задачи. Например, для медицинской диагностики важнее recall, а для спам-фильтра — precision.