O que são Recall e Precision? Problema: 50 frutas, 30 maçãs e 20 peras, um robô encontrou corretamente 20 maçãs, mas confundiu 15 peras com maçãs. Calcule as métricas.

Recall (полнота) — доля правильно найденных объектов среди всех релевантных.

Precision (точность) — доля правильно найденных объектов среди всех найденных.

Дано:

• Всего фруктов: 50 (30 яблок, 20 груш)
• Робот правильно нашёл 20 яблок
• 15 груш ошибочно опознал как яблоки

Рассчитаем:

• True Positive (TP) для яблок = 20 (правильно найденные яблоки)
• False Positive (FP) для яблок = 15 (груши, ошибочно принятые за яблоки)
• False Negative (FN) для яблок = 30 - 20 = 10 (яблоки, которые не нашли)

Recall = TP / (TP + FN) = 20 / (20 + 10) = 20 / 30 ≈ 0.6667 (66.67%)

Precision = TP / (TP + FP) = 20 / (20 + 15) = 20 / 35 ≈ 0.5714 (57.14%)

Таким образом, полнота — 66.7%, точность — 57.1%.