EOSP_Accuracy metrics

• Объясняет, какие метрики (Precision, Recall, F1, Accuracy) использовались в проекте и почему;
• Показывает, как рассчитываются эти метрики;
• Приводит значения метрик, полученные в результате экспериментов (по категориям и в целом).

Объяснение, почему именно F1-score является основной метрикой:

“We selected F1-score as the primary metric because it balances false positives and false negatives — which is crucial for broad and noisy categories like 'Chatter'.”

Краткие определения ( в таблице):

Метрика	Определение	Почему важна
Accuracy	Доля правильно предсказанных примеров от всех	Хорошо работает при сбалансированных классах
Precision	TP / (TP + FP) – насколько часто модель права, когда говорит “Да”	Важно, если ложноположительные предсказания критичны
Recall	TP / (TP + FN) – насколько модель находит все нужные случаи	Важно, если важна полнота покрытия (не пропустить важное)
F1-score	Гармоническое среднее Precision и Recall	Баланс между Precision и Recall