Точность — это то, что многие новички ищут при создании модели машинного обучения. Представьте, что у вас есть модель, которая обнаруживает кожные заболевания. Ваш тестовый набор данных состоит из 10 000 пациентов, из которых только 100 больны, а остальные здоровы. Модель в итоге предсказывает, что все здоровы. Это даст 99% точности, что звучит впечатляюще, но модель не смогла выявить ни одного больного пациента.Теперь подумайте о развертывании ее в реальном мире, слепо доверяя ее точности. Это было бы катастрофой, поскольку она не смогла выявить ни одного больного человека во время тестирования. Вот почему модели могут потерпеть неудачу в реальном мире, даже если они показали впечатляющую точность на этапе тестирования. Чтобы по-настоящему понять поведение модели в реальной жизни, нам нужно рассмотреть метрики, выходящие за рамки точности.