精度評価結果に関して、Precisionは高い(=誤検出が少ない)ですが、Recallは低い(=見逃しが多い)です。 例えば、製品に不良があるかどうかを予測しようとした場合、「不良あり」と予測したデータは実際にも「不良あり」であることが多い一方、実際には「不良あり」のデータを正しく「不良あり」と予測できていないデータが多いことを意味しています。 見逃しの多さが問題にならない場合は、予測確率が上位のデータだけを使用し、予測精度の高い部分だけを活用しましょう。 見逃しの多さが問題になる場合は、分類の閾値を変更することで、PrecisionとRecallのバランスを調整しましょう。
