Какие компромиссы возникают при использовании метрик Precision и Recall?

Компромисс между Precision и Recall известен как Precision-Recall trade-off: обычно улучшение одной метрики приводит к ухудшению другой. sky.pro

Некоторые примеры компромиссов:

• Высокий Recall, низкий Precision. pythonru.com Модель правильно определяет большинство положительных выборок, но имеет много ложных срабатываний (классификаций отрицательных выборок как положительных). pythonru.com
• Большая Precision, низкий Recall. pythonru.com Модель делает высокоточные предсказания, определяя класс положительных, но производит всего несколько таких прогнозов. pythonru.com

Управлять этим компромиссом можно через: sky.pro

• Изменение порога отсечения (threshold) для вероятностных моделей. sky.pro
• Использование кривой Precision-Recall, которая показывает зависимость между этими метриками при разных порогах. sky.pro docs.ultralytics.com
• Взвешивание классов при обучении модели, особенно при несбалансированных данных. sky.pro
• Применение техник семплирования: oversampling для редкого класса или undersampling для частого класса. sky.pro

Выбор между Precision и Recall — не чисто техническое решение, а бизнес-решение, основанное на экономических последствиях каждого типа ошибки. sky.pro