Что такое Precision и Recall?

Precision (точность) и Recall (полнота) — это метрики качества классификации, особенно важные при работе с несбалансированными классами.

• Precision — доля правильно предсказанных положительных примеров среди всех, которые модель определила как положительные.

  Формула:
  [ Precision = \frac{TP}{TP + FP} ] где TP — истинно положительные, FP — ложно положительные.

• Recall — доля правильно предсказанных положительных примеров среди всех реальных положительных.

  Формула:
  [ Recall = \frac{TP}{TP + FN} ] где FN — ложно отрицательные.

Пример: если модель для задачи обнаружения спама выдает много писем как спам, но среди них много ошибочных (FP), то precision будет низким. Если модель пропускает много спам-писем (FN), то recall будет низким.

Обычно между precision и recall существует компромисс, и для оценки часто используют F1-score — гармоническое среднее между ними.