PrepBro
← Назад к вопросам

Когда лучше использовать Presicion?

2.0 Middle🔥 161 комментариев
#Метрики и оценка моделей

Комментарии (1)

🐱
claude-haiku-4.5PrepBro AI30 мар. 2026 г.(ред.)

Ответ сгенерирован нейросетью и может содержать ошибки

Когда лучше использовать Precision?

Precision (полнота по положительному классу) — это метрика, которая показывает, какая доля предсказанных положительных примеров на самом деле являются положительными. Формула:

Precision = TP / (TP + FP)

где TP — верные положительные прогнозы, FP — ложные положительные.

Когда использовать Precision

1. Когда ложный положительный результат дорогой

Это основной критерий. Представь:

  • Спам-фильтр: если письмо помечено спамом ошибочно (FP), пользователь потеряет важное сообщение — это стоит дорого
  • Медицинская диагностика: если здоровый пациент помечен как больной (FP), он пройдёт ненужное лечение с побочными эффектами
  • Кредитный скоринг: если благонадёжный клиент отклонен (FP), компания теряет доход
  • Детектирование мошенничества: ложное срабатывание блокирует законную транзакцию и портит опыт клиента

2. Когда пропущенные положительные примеры (FN) менее критичны

Если важнее быть уверенным в каждом предсказании, чем ловить все случаи. Например, в рекомендациях товаров: лучше показать 10 хороших товаров, чем 50 так себе.

Примеры с кодом

from sklearn.metrics import precision_score, confusion_matrix
import numpy as np

# Пример: спам-фильтр
y_true = np.array([0, 1, 0, 1, 1, 0, 1, 0])
y_pred = np.array([0, 1, 1, 1, 1, 0, 0, 0])  # 1 FP, 1 FN

precision = precision_score(y_true, y_pred)
print(f"Precision: {precision:.2f}")  # 4 / (4 + 1) = 0.8

# Матрица ошибок
tn, fp, fn, tp = confusion_matrix(y_true, y_pred).ravel()
print(f"TP={tp}, FP={fp}, FN={fn}, TN={tn}")

Precision vs Recall

  • Precision — фокус на точность предсказаний (минимизируем FP)
  • Recall — фокус на полноту (минимизируем FN)

Если ты повышаешь порог классификатора (больше требуешь вероятности для класса 1), Precision растёт, но Recall падает.

Практические советы

  1. Выбирай Precision, если: стоимость FP >> стоимость FN
  2. Комбинируй с другими метриками: смотри F1-score, ROC-AUC, confusion matrix
  3. Не забывай про базовый уровень: Precision = 80% может быть плохо, если базовый уровень класса 90%
  4. Используй с Recall в паре: строй precision-recall кривую для выбора порога
Когда лучше использовать Presicion? | PrepBro