Класифікаційні показники є набір показників, що використовуються для оцінки продуктивності моделей класифікації. Ці показники використовуються для оцінки точності, точності, запам’ятовування та інших аспектів моделі. Його часто використовують для порівняння різних моделей або налаштування однієї моделі для оптимальної продуктивності.
Існує багато способів вимірювання ефективності класифікації. Точність, матриця помилок, логарифм втрат і AUC-ROC є одними з найпопулярніших показників. Точність запам'ятовування є широко використовуваним показником для проблем класифікації.
Ці показники продуктивності включають: точність, прецизійність, пригадування, F-міра, специфічність, чутливість, мікро- та макроусереднення точності, прецизійність, пригадування та F-міра, а також площа під кривою.
Щоб оцінити класифікатор, один порівнює свій результат з іншою еталонною класифікацією – в ідеалі ідеальна класифікація, але на практиці результат ще одного золотого стандартного тесту – і перехресно зводить дані в таблицю непередбачених обставин 2×2, порівнюючи дві класифікації.
Найпростіший спосіб вимірювання ефективності класифікатора за допомогою метрики точності. Тут ми порівнюємо фактичний і прогнозований клас кожної точки даних, і кожен збіг зараховується для одного правильного прогнозу. Тоді точність визначається як кількість правильних прогнозів, поділена на загальну кількість прогнозів.