Rešujemo problem binarne klasifikacije. Kako će se metrike precision i recall promeniti ako uklonimo 10 objekata klase 0 iz cilja?

Ak odstránite 10 objektov triedy 0 (negatívna trieda) z cieľa binárnej klasifikácie, rozdelenie tried sa zmení, čo ovplyvní metriky presnosti a recall nasledovne:

• Presnosť (precision) — je pomer medzi pravdivými pozitívami (TP) a súčtom TP a falošných pozitív (FP): TP / (TP + FP). Odstránenie objektov triedy 0 z cieľa priamo neovplyvní TP alebo FP, pretože tieto metriky závisia od predpovedí modelu. Ak sa predpovede nezmenia, presnosť zostane približne rovnaká.

• Recall (citlivosť) — je pomer medzi TP a súčtom TP a falošných negatív (FN): TP / (TP + FN). Odstránenie objektov triedy 0 neovplyvní počet TP alebo FN pre triedu 1, takže recall pre triedu 1 zostane približne rovnaký.

Avšak, ak sa pozrieme na metriky pre triedu 0 (negatívnu), odstránenie objektov triedy 0 zníži počet pravdivých negatív (TN) a potenciálne ovplyvní FP a FN, čo môže zmeniť presnosť a recall pre túto triedu.

Všeobecne platí, že odstránenie objektov triedy 0 z cieľa zmení rozdelenie tried, čo môže ovplyvniť metriky, najmä ak sú priemerné podľa tried (napríklad macro-averaged). No pre metriky, ktoré sa počítajú iba pre pozitívnu triedu, budú zmeny minimálne, ak sa predpovede nezmenia.