Какие знаешь метрики классификации

Accuracy (точность) — доля правильных предсказаний.
Precision (точность) — доля верно предсказанных положительных классов среди всех предсказанных положительных.
Recall (полнота) — доль верно предсказанных положительных классов среди всех реальных положительных.
F1-score — гармоническое среднее precision и recall.
ROC-AUC — площадь под кривой ROC, показывает способность модели разделять классы.

Пример кода для расчета метрик в sklearn:

from sklearn.metrics import accuracy_score, precision_score, recall_score, f1_score, roc_auc_score

y_true = [0, 1, 1, 0, 1]
y_pred = [0, 1, 0, 0, 1]

print("Accuracy:", accuracy_score(y_true, y_pred))
print("Precision:", precision_score(y_true, y_pred))
print("Recall:", recall_score(y_true, y_pred))
print("F1:", f1_score(y_true, y_pred))
print("ROC-AUC:", roc_auc_score(y_true, y_pred))