📊 Model Evaluation Metrics - Accuracy, F1-score, Recall (हिंदी में)

🔍 Accuracy क्या है?

Accuracy बताता है कि model ने कितने सही predictions किए।

Accuracy = (सही Predictions / कुल Predictions)

Example: अगर model ने 90 में से 80 बार सही prediction किया, तो accuracy = 88.8%

📌 Precision और Recall

Precision: यह metric बताता है कि जितनी बार model ने "positive" कहा, उसमें से कितने वास्तव में सही थे।

Precision = TP / (TP + FP)

Recall: यह metric बताता है कि जितने actual positives थे, model ने उनमें से कितनों को सही पहचाना।

Recall = TP / (TP + FN)

जहाँ TP = True Positive, FP = False Positive, FN = False Negative

📌 F1-Score

F1-score एक harmonic mean होता है Precision और Recall का। यह तब खास useful होता है जब आपके पास imbalance dataset हो।

F1 = 2 * (Precision * Recall) / (Precision + Recall)

📌 Confusion Matrix

Confusion matrix एक table होता है जो model के सभी predictions को summarize करता है।

|                 | Actual Positive | Actual Negative |
|-----------------|------------------|------------------|
| Predicted Positive | True Positive (TP) | False Positive (FP) |
| Predicted Negative | False Negative (FN) | True Negative (TN) |