Firma wyśle pakiety promocyjne nowego produktu i chce, aby co najmniej 90% wszystkich potencjalnych nabywców otrzymało materiały. Model uczący się liniowo ma obecnie 80% recall i 75% precision. Jak firma powinna ponownie wytrenować model, aby priorytetem było osiągnięcie 90% recall?

Aby osiągnąć docelowy recall wynoszący 90%, należy ustawić hiperparametr targetrecall na 0.9 (lub 90%). Następnie, aby model priorytetowo traktował osiągnięcie tego recall, należy ustawić binaryclassifiermodelselectioncriteria na recallattargetprecision. To kryterium pozwala modelowi wybrać najlepszy próg klasyfikacji, który maksymalizuje recall, jednocześnie utrzymując akceptowalny poziom precyzji. Pozostałe opcje są nieprawidłowe: Ustawienie targetprecision i precisionattargetrecall skupiłoby się na precyzji, a nie na recall. Zwiększenie danych treningowych lub epok nie gwarantuje osiągnięcia konkretnego poziomu recall. Włączenie normalizelabel i ustawienie liczby klas na 2 to standardowe ustawienia dla klasyfikacji binarnej, które nie wpływają bezpośrednio na priorytetyzację recall.