По каким метрикам оценивал классификации

Для оценки классификации используются разные метрики в зависимости от задачи:

Бинарная классификация:

• Accuracy – доля верных предсказаний.
• Precision – точность положительных предсказаний.
• Recall – полнота, доля найденных положительных случаев.
• F1-score – гармоническое среднее precision и recall.
• ROC-AUC – площадь под ROC-кривой, показывает качество разделения классов.

Многоклассовая классификация:

• Macro/Micro-averaged F1 – усреднение F1 по классам.
• Weighted F1 – F1 с учётом размера классов.

Пример расчёта в sklearn:

from sklearn.metrics import classification_report
print(classification_report(y_true, y_pred))

Выбор метрики зависит от дисбаланса классов и бизнес-целей (например, recall важен при поиске редких событий).