Lahendame binaarse klassifikatsiooni ülesannet. Kuidas muutuvad täpsuse ja meeldetuletuse mõõdikud, kui eemaldame sihtmärgist 10 objekti klassist 0?

Kui eemaldada binoklaalse klassifikatsiooni sihtmärgist 10 objekti klassist 0 (negatiivne klass), muutub klasside jaotus, mis mõjutab täpsust ja meeldetuletust järgmiselt:

• Täpsus (precision) — see on tõeliste positiivsete (TP) ja TP ning valede positiivsete (FP) summa suhe: TP / (TP + FP). Objektide eemaldamine klassist 0 sihtmärgist ei mõjuta otseselt TP või FP, kuna need mõõdikud sõltuvad mudeli prognoosidest. Kui prognoosid ei muutu, jääb täpsus umbes samaks.

• Meeldetuletus (recall) — see on TP ja TP ning valede negatiivsete (FN) summa suhe: TP / (TP + FN). Objektide eemaldamine klassist 0 ei mõjuta TP või FN arvu klassi 1 jaoks, seega jääb meeldetuletus klassi 1 jaoks umbes samaks.

Kuid kui vaatame mõõdikuid klassile 0 (negatiivne klass), siis objektide eemaldamine klassist 0 vähendab tõeliste negatiivsete (TN) arvu ning võib potentsiaalselt mõjutada FP ja FN, mis võib muuta selle klassi täpsust ja meeldetuletust.

Üldiselt muudab objektide eemaldamine klassist 0 sihtmärgist klasside jaotust, mis võib mõjutada mõõdikuid, eriti kui need arvutatakse klasside kaupa (näiteks macro-averaged). Kuid ainult positiivse klassi jaoks arvutatud mõõdikud muutuvad minimaalselt, kui prognoosid ei muutu.