O que é Precisão e recall? Significado e exemplos

O que é Precisão e recall?

Precisão e recall (precision, recall, taxa de precisão): Dois indicadores de avaliação de classificadores que medem a quantidade de resultados positivos corretos de forma diferente: uma leva em conta apenas os positivos afirmados, e a outra considera todos os positivos reais.

Atualizado em 11/11/2026 · Por Marcelo Santiago

O que são precisão e recall

Precisão e recall são duas métricas usadas para avaliar modelos de classificação. Ambas medem quão bem o modelo identifica os casos positivos, mas de formas diferentes. A precisão foca na qualidade dos resultados positivos apontados. O recall foca na quantidade de positivos reais que o modelo conseguiu encontrar. Essas métricas são essenciais para entender o verdadeiro comportamento de um modelo em produção.

Como funcionam precisão e recall

A precisão calcula a proporção de resultados positivos que de fato eram positivos. Ou seja, dos casos que o modelo disse que eram positivos, quantos eram corretos. O recall calcula a proporção de positivos reais que o modelo identificou. Ou seja, de todos os casos positivos que existiam, quantos foram encontrados. A precisão responde a pergunta de qualidade. O recall responde a pergunta de cobertura.

Exemplo prático

Imagine um sistema que filtra spam de e-mails. Quando o modelo marca um e-mail como spam, queremos saber se a marcação foi correta. Isso é precisão. Também queremos saber se o modelo perdeu spam real. Isso é recall. Um modelo que marca pouco como spam tem menos falsos positivos, mas pode perder spam importante. Quanto mais permissivo, maior o recall, mas mais falsos positivos.

Para que servem precisão e recall

Essas métricas ajudam a escolher o modelo certo para cada tarefa. Se errar um positivo é muito ruim, priorizamos recall. Se o custo de um falso alarme é alto, priorizamos precisão. Em tarefas de detecção de fraude, recall é importante. Em sistemas de recomendação, precisão costuma ser mais relevante. Ambos são úteis e devem ser acompanhados para entender o desempenho real do modelo.

Relação com outras métricas

Precisão e recall não funcionam sozinhas. A acurácia, por exemplo, mede a fração de todas as previsões corretas, mas pode ser enganosa em conjuntos desequilibrados. A F1-score, que é a média harmônica entre precisão e recall, resume as duas métricas em um único número. Especificamente, o F1-score é útil quando o conjunto de dados está desequilibrado. Ao acompanhar precisão e recall separadamente, a equipe entende melhor em que direção melhorar o modelo.

Extensão para VS Code

Gostou da definição de Precisão e recall? Aplique na prática com IA

Orquestre squads de agentes (Claude, OpenCode, Codex, Antigravity e muito mais) no VS Code com total controle, git worktrees isoladas e suas próprias APIs ou assinaturas sem custos intermediários.

Multi-agentes paralelosAPIs ou assinaturasAgentes para multitarefas

Conhecer o bridgecode

Perguntas frequentes sobre Precisão e recall

O que é precisão?

Precisão é a proporção de resultados positivos apontados pelo modelo que realmente eram positivos. Mede a qualidade dos positivos afirmados.

O que é recall?

Recall é a proporção de positivos reais que o modelo conseguiu encontrar. Mede a capacidade de não perder casos positivos.

Qual métrica usar?

Escolha com base no custo de cada erro. Se o falso alarme é caro, priorize precisão. Se perder um caso positivo é grave, priorize recall. Em tarefas de detecção, acompanhe os dois.