İkili sınıflandırma problemi çözüyoruz. Hedeftenki 0 sınıfından 10 nesne çıkarırsanız, precision ve recall metrikleri nasıl değişir?

İkili sınıflandırma hedefinden 0 sınıfına ait 10 nesne kaldırılırsa, sınıf dağılımı değişir ve bu, precision ve recall metriklerini şu şekilde etkiler:

• Precision (kesinlik) — gerçek pozitifler (TP) ile TP ve yanlış pozitifler (FP) toplamının oranıdır: TP / (TP + FP). Hedeften 0 sınıfına ait nesnelerin kaldırılması, bu metrikler doğrudan TP veya FP'yi etkilemez çünkü bu metrikler modelin tahminlerine bağlıdır. Tahminler değişmediyse, kesinlik yaklaşık olarak aynı kalır.

• Recall (duyarlılık) — TP ile TP ve yanlış negatifler (FN) toplamının oranıdır: TP / (TP + FN). 0 sınıfına ait nesnelerin kaldırılması, 1 sınıfı için TP veya FN sayısını etkilemez, bu nedenle 1 sınıfı için recall yaklaşık olarak aynı kalır.

Ancak, 0 sınıfı için metrikler dikkate alındığında, 0 sınıfına ait nesnelerin kaldırılması, doğru negatiflerin (TN) sayısını azaltır ve potansiyel olarak FP ve FN'yi etkiler, bu da bu sınıf için precision ve recall'ü değiştirebilir.

Genel olarak, 0 sınıfına ait nesnelerin hedeften kaldırılması, sınıf dağılımını değiştirir ve bu, özellikle sınıflar arasında ortalamaya alınmış metrikleri (örneğin, macro-averaged) etkileyebilir. Ancak, sadece pozitif sınıfı dikkate alan metrikler için değişiklikler minimal olacaktır, tahminler değişmediyse.