Какие метрики используешь для оценки качества модели

Для классификации:

• Accuracy (доля правильных предсказаний) — простая, но не подходит для несбалансированных данных.
• Precision, Recall, F1-score — учитывают дисбаланс классов. Precision — точность положительного класса, Recall — полнота, F1 — их гармоническое среднее.
• ROC-AUC — оценивает способность модели разделять классы (чем ближе к 1, тем лучше).

Для регрессии:

• MSE, RMSE (среднеквадратичная ошибка) — чувствительны к выбросам.
• MAE (средняя абсолютная ошибка) — менее чувствительна к выбросам.
• R² (коэффициент детерминации) — доля объяснённой дисперсии (от 0 до 1).

Пример для классификации:

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