Qué son
La precisión responde: de todo lo que el modelo marcó como positivo, ¿qué proporción realmente lo era? El recall responde: de todos los casos positivos reales que existían, ¿qué proporción logró detectar el modelo? Ambas métricas suelen entrar en tensión entre sí.
El equilibrio entre ambas
Aumentar el recall (detectar más casos positivos) suele significar aceptar más falsos positivos, bajando la precisión, y viceversa. Qué balance priorizar depende del problema: en un diagnóstico médico, suele preferirse un recall alto (no dejar pasar casos reales) aunque implique más falsas alarmas; en un filtro de spam muy agresivo, en cambio, una precisión alta evita bloquear correos legítimos.
Una métrica que combina ambas
El F1-score combina precisión y recall en un solo número, útil cuando se necesita comparar modelos sin tener que priorizar manualmente una de las dos métricas por separado.