Reklam
Yapay zekâ sözlüğü Orta seviye

Kesinlik ve Duyarlılık (Precision & Recall)

Precision and Recall

31.08.2026 tarihinde güncellendi

Kesinlik (Precision) modelin olumlu dediği tahminlerin ne kadarının gerçekten doğru olduğunu; Duyarlılık (Recall) ise gerçekte var olan olumlu durumların ne kadarının model tarafından yakalanabildiğini ölçer.

Genel bakış

Kavramın çerçevesi
Özellikle dengesiz veri setlerinde ve kritik karar sistemlerinde (tıp, hukuk, dolandırıcılık) doğruluğun (accuracy) yetersiz kaldığı durumlarda kullanılan hayati iki metriktir.

Çalışma mantığı: Kesinlik = Doğru Pozitif / (Doğru Pozitif + Yanlış Pozitif). Duyarlılık = Doğru Pozitif / (Doğru Pozitif + Yanlış Negatif). İkisi arasında genellikle bir denge (trade-off) vardır; biri artırıldığında diğeri düşebilir.

Kullanım alanları: Tıbbi teşhis (yüksek duyarlılık istenir, hiçbir hasta kaçırılmamalıdır), spam filtreleme (yüksek kesinlik istenir, önemli bir iş maili spam'e gitmemelidir).

Sınırlılıklar ve dikkat edilmesi gerekenler: Problem türüne göre hangi metriğe öncelik verileceği doğru belirlenmelidir.

Teknik tanım ve açıklama

Temel mekanizma
Precision, pozitif kestirimlerin doğruluğunu (pozitif tahmin değeri); Recall ise gerçek pozitif sınıfların yakalanma oranını (hassasiyet / true positive rate) temsil eden metriklerdir.

Gerçek hayatta kullanım

Örnek senaryo
Kanser teşhisinde modelin 'hasta' dediği 10 kişiden 9'u gerçekten hastaysa Kesinlik %90'dır; ancak hastanedeki toplam 20 kanserli hastadan sadece 9'unu bulabilmişse Duyarlılık %45'tir.