В чем разница между precision и recall

Precision и recall — это метрики для оценки качества классификации, особенно в задачах с дисбалансом классов.

Precision (точность) — доля правильно предсказанных положительных классов среди всех предсказанных положительных:
Precision = TP / (TP + FP)
Где:

• TP (True Positive) — верно предсказанные положительные
• FP (False Positive) — ложно предсказанные положительные

Recall (полнота) — долсть верно предсказанных положительных классов среди всех реальных положительных:
Recall = TP / (TP + FN)
Где FN (False Negative) — ложно предсказанные отрицательные.

Пример:

from sklearn.metrics import precision_score, recall_score

y_true = [1, 0, 1, 1, 0]
y_pred = [1, 1, 1, 0, 0]

precision = precision_score(y_true, y_pred)  # 0.666 (2 TP / (2 TP + 1 FP))
recall = recall_score(y_true, y_pred)       # 0.666 (2 TP / (2 TP + 1 FN))

Precision важен, когда FP дорого стоят (например, спам-фильтр), а recall — когда критичны FN (например, диагностика болезней).