В каких случаях precision не имеет значения, а recall наоборот важен

В задачах, где критичны false negatives (пропущенные положительные случаи), recall важнее precision. Например, в медицинской диагностике (определение болезни) пропуск больного пациента (false negative) опаснее, чем ложная тревога (false positive).

Пример:

from sklearn.metrics import precision_score, recall_score

y_true = [1, 0, 1, 1, 0]  # 1 - болезнь есть
y_pred = [1, 0, 0, 1, 1]  # модель предсказала

print("Precision:", precision_score(y_true, y_pred))  # 0.67 (2/3)
print("Recall:", recall_score(y_true, y_pred))       # 0.67 (2/3)

Здесь recall показывает, сколько больных выявлено, а precision — долю верных срабатываний. В таких случаях можно пожертвовать precision ради повышения recall.