Задача . Precision, Recall и F1-score

Помимо accuracy, есть другие важные метрики:

• Precision (точность) — какая доля предсказанных популярных треков действительно популярна. Формула: TP / (TP + FP)
• Recall (полнота) — какую долю всех популярных треков мы нашли. Формула: TP / (TP + FN)
• F1-score — среднее гармоническое между precision и recall. Показывает баланс между ними.

Если важно не пропустить популярные треки — используйте recall. Если важно не ошибиться в предсказаниях — используйте precision.

Пример

from sklearn.metrics import precision_score, recall_score, f1_score

# Истинные метки классов
y_true = [1, 0, 1, 1, 0, 1, 0, 1]
# Предсказания модели
y_pred = [1, 0, 0, 1, 0, 1, 1, 1]

# Подсчет Precision
precision = precision_score(y_true, y_pred)
print(f"Precision: {precision:.2f}")

# Подсчет Recall
recall = recall_score(y_true, y_pred)
print(f"Recall: {recall:.2f}")

# Подсчет F1-score
f1 = f1_score(y_true, y_pred)
print(f"F1-score: {f1:.2f}")

1. Каков precision модели?
2. Каков recall модели?
3. Каков f1-score модели?