Какие метрики используются для оценки качества ML-модели и как выбрать подходящую?

Метрики качества модели выбираются по типу задачи и бизнес-цели. Классификация: accuracy, precision, recall, F1, ROC-AUC, log-loss. Регрессия: MAE, MSE, RMSE, R², MAPE. Ранжирование / рекомендации: NDCG, MAP, MRR, hit-rate@k. Кластеризация: silhouette, Davies-Bouldin. Главное правило — метрика должна отражать стоимость ошибки. Для несбалансированных классов accuracy врёт, нужны precision/recall или F1.