Мо масъалаи тақсимоти дугона ҳал мекунем. Агар 10 объекти синфи 0-ро аз ҳадаф хориҷ кунем, метрикҳои precis ва recall чӣ гуна тағйир меёбанд?

اگر از هدف طبقه‌بندی دودویی ۱۰ شیء از کلاس ۰ (کلاس منفی) حذف شود، توزیع کلاس‌ها تغییر می‌کند که بر معیارهای دقت و یادآوری به صورت زیر تأثیر می‌گذارد:

• دقت (precision) — نسبت بین مثبت‌های واقعی (TP) و مجموع TP و مثبت‌های کاذب (FP): TP / (TP + FP). حذف اشیاء از کلاس ۰ از هدف مستقیماً بر TP یا FP تأثیر نمی‌گذارد، زیرا این معیارها به پیش‌بینی‌های مدل بستگی دارند. اگر پیش‌بینی‌ها تغییر نکنند، دقت تقریباً همان باقی می‌ماند.

• یادآوری (recall) — نسبت بین TP و مجموع TP و منفی‌های کاذب (FN): TP / (TP + FN). حذف اشیاء از کلاس ۰ بر تعداد TP یا FN برای کلاس ۱ تأثیر نمی‌گذارد، بنابراین یادآوری برای کلاس ۱ تقریباً همان باقی می‌ماند.

با این حال، اگر معیارهای مربوط به کلاس ۰ (کلاس منفی) را در نظر بگیریم، حذف اشیاء از کلاس ۰ تعداد منفی‌های واقعی (TN) را کاهش می‌دهد و ممکن است بر FP و FN تأثیر بگذارد، که می‌تواند دقت و یادآوری برای این کلاس را تغییر دهد.

در کل، حذف اشیاء از کلاس ۰ از هدف، توزیع کلاس‌ها را تغییر می‌دهد، که می‌تواند بر معیارها تأثیر بگذارد، به ویژه اگر میانگین‌گیری بر اساس کلاس‌ها باشد (مثلاً macro-averaged). اما برای معیارهایی که فقط برای کلاس مثبت محاسبه می‌شوند، تغییرات کم خواهد بود اگر پیش‌بینی‌ها تغییر نکنند.