Разница между метриками Precision и Recall в задачах бинарной классификации заключается в том, что они преследуют разные цели. 1

Precision (точность) показывает долю верно-положительных объектов среди всех объектов, предсказанных как положительные. 1 Например, при классификации болезни — это доля действительно больных пациентов среди всех предсказанных как больные. 1 Precision важен, если нужно минимизировать число ложных срабатываний классификатора. 1

Recall (полнота) показывает долю верно-положительных объектов среди всех объектов, в действительности принадлежащих положительному классу. 1 В примере выше recall важен, если нужно обнаружить всех больных пациентов, пусть и с некоторой долей ложных срабатываний. 1

Таким образом, когда модель имеет высокий уровень Recall, но низкую Precision, она правильно определяет большинство положительных объектов, но имеет много ложных срабатываний. 3 Если модель имеет большую Precision, но низкий Recall, то она делает высокоточные предсказания, определяя класс положительный, но производит всего несколько таких прогнозов. 3