Es un gráfico que muestra el equilibrio entre la precisión y la exhaustividad de un modelo según un umbral de decisión. La precisión se refiere a la proporción de instancias positivas correctamente identificadas, mientras que la exhaustividad se refiere a la proporción de instancias positivas en el conjunto de datos que el modelo identificó correctamente. La curva de precisión-recall es útil para evaluar el rendimiento de un clasificador en problemas con clases desbalanceadas.
Aplicaciones
- Detección de Fraude:
- Evaluar y optimizar modelos para identificar transacciones fraudulentas con alta precisión y recuperación.
- Diagnóstico Médico:
- Evaluar modelos de clasificación para enfermedades donde es crucial minimizar los falsos negativos (no detectar una enfermedad) y falsos positivos (diagnosticar erróneamente).
- Filtrado de Spam:
- Ajustar los modelos para detectar correos electrónicos no deseados (spam) mientras se minimizan los correos legítimos etiquetados incorrectamente como spam.
- Sistemas de Recomendación:
- Evaluar la efectividad de los algoritmos de recomendación para identificar elementos relevantes para los usuarios con alta precisión y recuperación.
- Detección de Objetos en Imágenes:
- Optimizar modelos de visión por computadora para detectar objetos específicos en imágenes con alta precisión y recuperación.
