Präzision (Precision)

Die Precision (deutsch: Präzision) gibt den Anteil der tatsächlich korrekten positiven Vorhersagen an allen als positiv klassifizierten Fällen an. Sie beantwortet somit die Frage: „Von allen Fällen, die das Modell als positiv einstuft, wie viele sind es wirklich?“

Formal definiert sich die Precision folgendermaßen:

\[ \text{Precision} = \frac{\text{TP}}{\text{TP} + \text{FP}} \]

• TP: True Positives – Korrekt vorhergesagte positive Fälle
• FP: False Positives – Fälschlicherweise als positiv klassifizierte Fälle

Wichtige Eigenschaften

• Aussagekraft: Ein hoher Precision-Wert bedeutet, dass nur wenige Fälle fälschlicherweise als positiv klassifiziert werden.
• Relevanz in bestimmten Domänen: Besonders wichtig in Bereichen, in denen falsch positive Ergebnisse schwerwiegende Folgen haben.
• Bezug zu Recall: Precision ergänzt den Recall, der den Anteil korrekt erfasster positiver Fälle betrachtet. Häufig ist ein Trade-off zwischen Precision und Recall zu beachten. Mit der Precision lässt sich daher einschätzen, wie zuverlässig ein Modell seine positiven Vorhersagen trifft, ohne zu viele Fehlalarme zu produzieren.