Что такое accuracy, precision и recall?

Проверяет основы машинного обучения и оценку моделей.

Варианты ответа

• Accuracy — доля правильных предсказаний от всех. Precision — доля верных среди предсказанных positive (TP/(TP+FP)). Recall — доля найденных среди реальных positive (TP/(TP+FN))
• Accuracy, precision и recall — синонимы: разные названия одной и той же метрики качества классификатора, используются взаимозаменяемо в разных сообществах и фреймворках
• Precision всегда строго больше recall по определению, так как precision измеряет качество предсказаний модели, а recall только измеряет полноту — поэтому они связаны неравенством
• Accuracy — лучшая универсальная метрика для любой ML-задачи: при её максимизации автоматически оптимизируются precision и recall, поэтому остальные метрики избыточны

Разбор ответа

Получить доступ к ответам — все вопросы →

Что дальше

• Раздел практики →
• Все 3000+ вопросов с разбором →

Похожие вопросы из категории «ML»

• Как диагностировать переобучение модели и какие приёмы помогают его предотвратить?
• Перечислите основные способы регуляризации и объясните, когда применять каждый.
• Объясните разницу между precision и recall.
• Как выбрать между ROC-AUC и PR-AUC для оценки модели классификации?
• В чём принцип градиентного бустинга и почему он так популярен в продуктовой аналитике?
• Как SHAP values помогают объяснить предсказание модели для конкретного пользователя?
• В каких задачах kNN работает хорошо и каковы его ограничения?
• Какие методы оценки важности признаков существуют и чем они отличаются?

Полезные блог-статьи по теме

• DataLens продвинутый: RLS, ML-датасеты, embed-аналитика, custom CSS
• Вопросы собеса в VK на аналитика 2026: 25+ реальных + разбор