Когда важен precision

Precision критичен в задачах, где ложноположительные результаты дорого обходятся. Например, при диагностике редких заболеваний или фильтрации спама.

Пример:

from sklearn.metrics import precision_score

y_true = [0, 1, 0, 0, 1] # 1 - болезнь
y_pred = [0, 1, 1, 0, 0] # модель ошибочно диагностировала болезнь

precision = precision_score(y_true, y_pred)
print(f'Precision: {precision:.2f}') # 0.50 - каждый второй диагноз ошибочный

Когда precision низкий, мы рискуем напрасно тревожить пациентов или блокировать легальные письма. В таких случаях часто жертвуют recall ради высокой precision.