Accuracy, F1, ROC-AUC ve confusion matrix
Accuracy (doğruluk) her zaman yanıltıcı olabilir. Kanser taramasında %99 sağlıklı hasta varsa, her şeye 'sağlıklı' diyen bir model %99 accuracy alır ama hiç değer taşımaz. Doğru metriği seçmek, problemi anlamaktan geçer.
**TP (True Positive):** Gerçekten pozitif, doğru tahmin…
**Precision = TP / (TP + FP)** — Pozitif tahminlerin ne kadarı gerçekten pozitif? Yanlış a…
ROC eğrisi, farklı eşik değerlerinde TPR (Recall) vs FPR ilişkisini gösterir. Altındaki al…
✦ Quiz
Kredi kartı sahteciliği tespitinde hangi metrik daha kritiktir?
⚠️Dengesiz veri setlerinde (imbalanced datasets) accuracy yanıltıcıdır. F1, ROC-AUC veya PR-AUC kullanın. Ayrıca veri dengeleme teknikleri (oversampling, SMOTE) düşünün.
Bağlantılı Konular