Какие плюсы и минусы Accuracy

Плюсы Accuracy:

• Простота интерпретации: доля правильных предсказаний.
• Универсальность: подходит для сбалансированных классов.

Минусы Accuracy:

• Вводит в заблуждение при дисбалансе классов. Например, в задаче обнаружения мошенничества (1% мошеннических операций) модель, всегда предсказывающая "не мошенничество", получит Accuracy=99%, но бесполезна.
• Не учитывает типы ошибок (False Positive/Negative).

Пример:

from sklearn.metrics import accuracy_score
y_true = [0, 1, 0, 0]  # 3 класса "0", 1 класс "1"
y_pred = [0, 0, 0, 0]  # Всегда предсказываем "0"
print(accuracy_score(y_true, y_pred))  # 0.75 (высокий, но модель плохая)

Когда использовать:

• Классы сбалансированы.
• Ошибки FP и FN равнозначны. В остальных случаях лучше F1, Precision/Recall или ROC-AUC.