Um classificador pode cometer dois tipos de erro com a classe positiva. Um falso positivo dispara um alerta para um caso negativo. Um falso negativo deixa passar um caso positivo. A acurácia conta as predições corretas em todas as linhas, o que pode esconder um resultado fraco na classe positiva quando os negativos são comuns.
A precisão pergunta quantos alertas estavam corretos. A sensibilidade (recall) pergunta quantos casos positivos reais foram encontrados. O F1 combina precisão e sensibilidade por meio da média harmônica. A métrica certa depende do que a equipe precisa controlar, e nenhuma delas diz se uma estimativa de probabilidade está bem calibrada. Nestas tarefas, use a classe 1 como resultado positivo. Quando um denominador é zero, a política zero_division solicitada torna o resultado explícito e evita que um valor indefinido atrapalhe a análise.
A acurácia conta os rótulos corretos em todas as linhas. Ela pode esconder positivos não detectados quando a classe negativa predomina.