Přesnost (precision) a úplnost (recall) jsou dvě doplňkové metriky odvozené z konfuzní matice, které odpovídají na různé otázky. Přesnost říká, jaký podíl vzorků označených modelem jako pozitivní jimi skutečně je – tedy nakolik se lze na jeho poplachy spolehnout. Úplnost říká, jaký podíl všech skutečně pozitivních případů model nalezl – tedy kolik mu jich neuteklo. Mezi oběma existuje nutný kompromis daný posouváním rozhodovacího prahu: snížením prahu model označí víc případů, čímž roste úplnost a klesá přesnost, zvýšením prahu naopak. Jejich vyváženým souhrnem je F1 skóre, harmonický průměr obou, který na rozdíl od aritmetického tvrdě penalizuje případ, kdy je jedna z hodnot velmi nízká; váženou variantou je F-beta, jež umožňuje jednu stranu záměrně preferovat. Volba priority je vždy věcná: u doporučení produktů zákazníkovi rozhoduje přesnost, protože špatný tip obtěžuje, u vyhledávání podvodů či nemocí rozhoduje úplnost, protože nenalezený případ je nákladnější. Pro celkové posouzení napříč všemi prahy slouží ROC křivka nebo křivka precision-recall.
Představte si rybáře, který má z rybníka vytáhnout všechny kapry. Přesnost je odpověď na otázku: „Kolik z toho, co jsi vytáhl, byli skutečně kapři?“ Úplnost odpovídá na otázku: „Kolik kaprů z rybníka jsi vytáhl?“ Vylovíte-li rybník celý, máte úplnost sto procent, ale v síti máte i pneumatiku a tři štiky. Vytáhnete-li jen jednoho kapra, kterého jste si předem vyhlédli, je vaše přesnost sto procent a úplnost mizivá. Který extrém je horší, závisí čistě na tom, jestli vaříte polévku pro jednoho, nebo vyklízíte rybník před zimou.