Какие плюсы и минусы метрик классификации

Accuracy
✅ Простота интерпретации
❌ Не работает при дисбалансе классов

Precision/Recall
✅ Хороши для задач с дисбалансом (например, fraud detection)
❌ Нужно выбирать приоритет (меньше ложных срабатываний vs меньше пропусков)

F1-score
✅ Баланс между precision и recall
❌ Менее интерпретируем, чем отдельные метрики

ROC-AUC
✅ Работает с вероятностями, устойчив к дисбалансу
❌ Может быть оптимистичным при сильном дисбалансе

PR-AUC
✅ Лучше ROC-AUC при сильном дисбалансе
❌ Менее распространен, сложнее объяснить бизнесу

from sklearn.metrics import precision_score, recall_score
y_true = [1, 0, 1, 1]
y_pred = [1, 1, 1, 0]
print(f"Precision: {precision_score(y_true, y_pred)}")
print(f"Recall: {recall_score(y_true, y_pred)}")