Rezolvăm o problemă de clasificare binară. Cum vor evolua metricile de precizie și recall dacă eliminăm 10 obiecte din clasa 0 din țintă?

Dacă eliminăm 10 obiecte din clasa 0 (clasa negativă) din ținta unei clasificări binare, distribuția claselor se va schimba, ceea ce va afecta metricile de precizie și recall în următorul mod:

• Precizie (precision) — este raportul dintre adevărații pozitivi (TP) și suma dintre TP și falsii pozitivi (FP): TP / (TP + FP). Eliminarea obiectelor din clasa 0 din țintă nu afectează direct TP sau FP, deoarece aceste metrici depind de predicțiile modelului. Dacă predicțiile nu se schimbă, precizia va rămâne aproximativ aceeași.

• Recall (recall) — este raportul dintre TP și suma dintre TP și falsii negativi (FN): TP / (TP + FN). Eliminarea obiectelor din clasa 0 nu afectează numărul de TP sau FN pentru clasa 1, deci recall-ul pentru clasa 1 va rămâne aproximativ același.

Cu toate acestea, dacă luăm în considerare metricile pentru clasa 0 (clasa negativă), eliminarea obiectelor din clasa 0 va reduce numărul de negativi adevărați (TN) și potențial va influența FP și FN, ceea ce poate schimba precizia și recall-ul pentru această clasă.

În general, eliminarea obiectelor din clasa 0 din țintă va schimba distribuția claselor, ceea ce poate afecta metricile, mai ales dacă acestea sunt mediate pe clase (de exemplu, macro-mediate). Dar pentru metricile calculate doar pentru clasa pozitivă, schimbările vor fi minime dacă predicțiile nu se schimbă.