СРАВНЕНИЕ МЕТРИК БИНАРНОЙ КЛАССИФИКАЦИИ ДЛЯ ОЦЕНКИ ЭФФЕКТИВНОСТИ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ

Широкова Екатерина Васильевна

В статье проводится сравнение различных метрик бинарной классификации для оценки эффективности алгоритмов машинного обучения. Рассматриваются различные подходы, такие как метод опорных векторов, метод деревьев решений, метод случайного леса и метод градиентного бустинга. Анализируются достоинства и недостатки метрик в случае сбалансированных и несбалансированных данных, а также приводятся примеры их реализации с помощью библиотеки Scikit-learn языка Python.

Ключевые слова:машинное обучение, классификация данных, дисбаланс классов.