정확도(accuracy)는 정확히 예측한 Positive와 Negative(즉, True Positive와 True Negative)의 비율을 의미한다. 그러나 실제 데이터에 Negative 비율이 너무 높아서 희박한 가능성으로 발생할 상황을 제대로 분류하지 못하는 경우가 생길 수 있다. 가령 여름인데, 눈이 내릴지 여부를 예측한다면 100% 가까운 정확도가 나올 것이다(True Nagative가 나올 것이다). 이를 정확도의 역설이라고 한다.

재현율(recall)은 실제로 정답이 True인 것들 중에서 분류기가 True로 예측한 비율이다. True가 발생하는 확률이 적을 때 사용하면 좋다.

정밀도(precision)는 비가 올 것이라고 예측한 날 중에서 실제로 비가 내린 날의 비율을 구한다.

재현율과 정밀도는 서로 반대 개념의 지표이며, 정밀도의 단점은 재현율의 장점이기도 하다.

F1 스코어(F1 score)는 재현율과 정밀도의 조화평균이다.