Waarom is dit belangrijk?
Teams kunnen met precisie kiezen wanneer een alarm serieus genoeg is om actie te ondernemen, en zo onnodige vervolgstappen beperken. In de zorg helpt dit getal om te beoordelen of een test vooral echte ziektegevallen aanwijst, omdat een onterechte uitslag tot extra behandeling en kosten kan leiden. Voor patiënten en zorgverleners betekent hoge precisie meer vertrouwen in een alarm, maar een echte ziekte blijft soms onopgemerkt.
Zo werkt het in de praktijk
Bij zoekmachines, databases en bibliotheekcatalogi geeft precisie het aandeel relevante documenten onder de treffers. Bij webzoeken meten teams de precisie van de eerste tien resultaten. De benchmark PASCAL Visual Object Classes gebruikte gemiddelde precisie om objectherkenning in beelden te vergelijken.
Onderzoekers meten een zoeksysteem met een testverzameling, zoekvragen en vooraf bekende relevante documenten. Cyril Cleverdon ontwikkelde die methode bij het College of Aeronautics in Cranfield. De Text Retrieval Conference nam die opzet over om zoekmethoden te vergelijken.
De norm ISO/IEC TS 4213 beschrijft methoden om classificatieresultaten van een model voor machinaal leren te meten. Daarin hoort een grafiek die precisie en recall bij meerdere drempels toont. Recall betekent hier het aandeel relevante gevallen dat het model terugvindt.




