Precisão, revocação e F1
Compromissos que você precisa entender.
Precisão, revocação e F1 é uma aula grátis de NLP Academy no CoddyKit. Esta é a aula 2 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de NLP Academy, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de NLP Academy inclui 4 aulas no total.
Partes desta aula ainda não foram traduzidas e aparecem em inglês.
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. 📊
Perguntas Frequentes
A aula “Precisão, revocação e F1” é grátis?
Sim — o texto completo de “Precisão, revocação e F1” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de NLP Academy, atualize para CoddyKit PRO. O curso de NLP Academy inclui 4 aulas no total.
O que vou aprender em “Precisão, revocação e F1”?
Compromissos que você precisa entender. Você pratica NLP Academy com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.
Preciso ter experiência prévia para começar NLP Academy?
Nenhuma experiência prévia é necessária. NLP Academy no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 2 de 4.
Quanto tempo leva a aula “Precisão, revocação e F1”?
A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.
Posso escrever e executar código nesta aula de NLP Academy?
Sim. Cada aula de NLP Academy inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.
Todas as aulas deste curso
- Por que a acurácia pode enganar
- Precisão, revocação e F1
- Lendo a matriz de confusão
- Validação cruzada do jeito certo