Когда лучше использовать Presicion

Precision стоит использовать, когда ложноположительные результаты (FP) критичны. Например, в медицине при диагностике редких заболеваний, где ошибочный диагноз (FP) может привести к ненужному лечению. Также в спам-фильтрах, когда важно минимизировать попадание нормальных писем в спам (FP).

Пример:

from sklearn.metrics import precision_score
y_true = [1, 0, 1, 1, 0]
y_pred = [1, 1, 1, 0, 0]
print(precision_score(y_true, y_pred))  # Output: 0.666 (2 TP / (2 TP + 1 FP))