Я трейн тест выборки балансирую по своему усмотрению

Оптимизируя метрики

тупой алгоритм "все здоровы" даст вам 99% точности, отсюда и вопросы по количеству экземпляров каждого класса, которые вы использовали.

точность и рок аук разные вещи

Он не даст f1 96

Не забудьте, что там ещё обычная пневмония накладывается

Если мы поставим всем пневмонийным "здоров" то такая сетка никому нужна не будет

Потому что пневмонию даже не-врач увидит на снимке

рок и ф1 считается по 3 классам, ну и среднее конечно ж

0 не прокатит

Вы не правы

Во-первых, давайте не будем наезжать на людей, которые хотя бы пытаются какой-то контент нагенерить и как-то помочь врачам. Если есть замечания всегда можно в лс обсудить.

Во-вторых не понимаю какие проблемы у ф1 с несбланасированными выборками: это метрика по сути и вводилась для них и является гладкой аппроксимацией минимума между точностью и полнотой. Это значит, что если хотя бы один из этих показателей будет страдать, не о каких 90+% не будет идти и речи

F1 предложил я, заметьте. А авторы нам продавали ROCAUC

Рок аук тоже хорошо справляется с несбалансированными выборками

Проблемы у Au precision-recall curve если я не ошибаюсь

Авторы "продают" ROCAUC что бы было в том числе сравнение с работами других авторов. И в целом в мед данных ROCAUC де факто уже стандарт метрика. Мы считаем разные метрики.

Получили же ответ по поводу f1))

В общем предлагаю вам в лс обговорить че кому не нравится и сообщить нам чего договорились)

Прошу если в будущем будут какие-то претензии к тому что происходит у нас в main-канале выяснять сначала в лс, так как публичные разборки - это большой стресс

Это не значит какую-то цензуру, просто хочется как-то уберечь авторов от лишнего стресса

Я против обсуждения в лс, как раз хоть что-то интересное в чатике