Precision, recall i F1
Kompromisy, które należy zrozumieć
Precision, recall i F1 to bezpłatna lekcja NLP Academy na CoddyKit. To lekcja 2 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej NLP Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs NLP Academy zawiera 4 lekcji w sumie.
Części tej lekcji nie zostały jeszcze przetłumaczone i są wyświetlane po angielsku.
Beyond One Number
To see past accuracy you split results into four buckets per class. From them come precision, recall, and F1, the metrics that matter.
The Positive Class
Pick the class you care about as positive, like spam or fraud. Precision and recall both describe how well you handle that class.
Precision: Trust the Alarms
Precision asks: of everything you flagged as positive, how many truly were? High precision means few false alarms.
Recall: Catch Them All
Recall asks: of all the real positives, how many did you catch? High recall means few misses slip through.
The Tug of War
Precision and recall usually trade off. Flag more items and recall rises but precision drops; flag fewer and the reverse happens.
Which One First?
Spam filters favor precision, since wrongly trashing real mail is costly. Cancer screens favor recall, since a missed case is far worse.
F1: One Balanced Score
The F1 score blends precision and recall into one number using their harmonic mean, rewarding models that do both well.
Why Harmonic Mean
F1 uses the harmonic mean so a model cannot fake it. If either precision or recall is near zero, F1 stays low too.
See Them in Python
scikit-learn prints all three at once with a tidy classification report you can scan per class.
from sklearn.metrics import classification_report
print(classification_report(y_true, y_pred))Get One Metric Alone
You can also pull a single metric directly when you only need F1 for the positive class.
from sklearn.metrics import f1_score
f1 = f1_score(y_true, y_pred)Pick by the Cost
No metric is best everywhere. Choose precision, recall, or F1 by the real-world cost of each mistake in your problem.
Quick Check
Match the metric to the question it answers.
Recap
Precision limits false alarms, recall limits misses, and F1 balances both. Let the cost of each error pick your metric. 📊
Często zadawane pytania
Czy lekcja „Precision, recall i F1” jest bezpłatna?
Tak — pełny tekst „Precision, recall i F1” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu NLP Academy, przejdź na CoddyKit PRO. Kurs NLP Academy zawiera 4 lekcji w sumie.
Co nauczysz się w „Precision, recall i F1”?
Kompromisy, które należy zrozumieć Ćwiczysz NLP Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć NLP Academy?
Nie wymagamy żadnego doświadczenia. NLP Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 2 z 4.
Ile czasu zajmuje lekcja „Precision, recall i F1”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji NLP Academy?
Tak. Każda lekcja NLP Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- Dlaczego dokładność może wprowadzać w błąd
- Precision, recall i F1
- Odczytywanie macierzy pomyłek
- Walidacja krzyżowa jak należy