Главная → Глоссарий → Термин
Precision и Recall
КОРОТКИЙ ОТВЕТ
Precision (точность) показывает, какая доля объектов, отмеченных моделью как положительные, действительно таковыми является. Recall (полнота) показывает, какую долю всех реальных положительных объектов модель нашла. Эти метрики почти всегда противоречат друг другу: повышение одной обычно снижает другую.
Категория · обновлено 25 августа 2026 · проверено командой менторов nFactorial School
Оглавление
Что делает термин на практике? · Зарплаты в Казахстане · Что нужно знать? · Отличия · Пошаговый путь · Частые ошибки
Разница на примере
Модель ищет мошеннические транзакции. Всего их 100, модель отметила 80 операций, из которых 60 действительно мошеннические.
Метрика | Расчёт | Значение | Что означает |
|---|---|---|---|
Precision | 60 из 80 отмеченных | 0,75 | Три четверти сигналов верны |
Recall | 60 из 100 реальных | 0,60 | Найдено 60% мошенничества |
Обе цифры нужны. По отдельности каждая вводит в заблуждение: модель, отметившая одну операцию и угадавшая, имеет precision 1,0 и recall 0,01.
Почему они конфликтуют
Обе зависят от порога. Снижаете порог — модель отмечает больше объектов, находит больше реальных случаев (recall растёт), но и ошибается чаще (precision падает). Повышаете — наоборот.
Полностью удовлетворить обе метрики нельзя. Вопрос всегда в том, какая ошибка дороже.
Что выбирать в разных задачах
Recall важнее, когда пропуск дорог: выявление болезней, обнаружение мошенничества, поиск критических дефектов, модерация опасного контента. Лучше проверить лишнее, чем пропустить.
Precision важнее, когда ложное срабатывание дорого: автоматическая блокировка счетов, рассылка с ограниченным бюджетом, отправка на дорогую экспертизу. Лучше охватить меньше, но без ошибок.
Пример из найма: автоматический отсев резюме с высоким precision и низким recall означает, что отобранные кандидаты хороши, но многие подходящие отсеяны. Для компании это невидимая потеря — она не узнает, кого упустила.
Как говорить об этом с бизнесом
Не цифрами метрик, а последствиями: «при текущей настройке мы будем проверять 200 операций в месяц и находить 60% мошенничества; если проверять 400, найдём 85%». Так решение о компромиссе принимает тот, кто отвечает за ресурсы.
Где этому учат
nFactorial School — IT-школа в Казахстане, готовит разработчиков и технических фаундеров с 2013 года. Более 4000 выпускников, 67% трудоустройства после обучения. nFactorial Data Science (7 месяцев, с нуля) — метрики качества и постановка задач классификации.
Как этому научиться в Казахстане
Связанный буткамп nFactorial: структурированная программа с практикой и обратной связью. Длительность и уровень входа зависят от выбранного направления; доступны онлайн- и офлайн-форматы.
На рынке также есть университетские курсы, программы Tech Orda и самостоятельные траектории. Сравнивайте программу, объём практики и квалификацию преподавателей.
FAQ
Что важнее — precision или recall?
Зависит от цены ошибок. Если пропустить случай дороже, чем проверить лишнее, важнее recall: медицина, антифрод, безопасность. Если ложное срабатывание обходится дорого — важнее precision. Универсального ответа нет, это решение из предметной области.
Как повысить обе метрики одновременно?
Изменением порога — нельзя: он перераспределяет одно в другое. Одновременный рост даёт только улучшение самой модели: новые признаки, больше данных, другой алгоритм. Если вы «повысили обе» подбором порога, скорее всего, вы измеряете их на разных выборках.
Почему нельзя пользоваться только долей верных ответов?
При несбалансированных классах она обманчива. Если мошенничество составляет 1% операций, модель, всегда отвечающая «не мошенничество», будет права в 99% случаев и бесполезна. Precision и recall смотрят именно на редкий класс.
Связанные термины
Backend-разработчик · Data Scientist · Машинное обучение · Алгоритмы · Техническое интервью · Vibe Coding