分類問題において、モデルの予測確率の閾値を変更したところRecallは向上しましたがPrecisionは低下しました。この結果として最も適切な説明はどれですか。
分類閾値を下げると、モデルが陽性と判定するサンプルの数が増えます。その結果、実際の陽性を見逃す偽陰性が減りRecallが向上する一方、誤った陽性判定（偽陽性）も増えてPrecisionが低下します。RecallとPrecisionはトレードオフの関係にあり、閾値の調整はこの2指標を直接制御する唯一の手段です。 選択肢「より多くのサンプルを陽性と判定した」は、閾値を下げた直接的な結果であり、Recall向上・Precision低下の現象を正しく説明しています。 選択肢「特徴量数が自動的に減少した」は誤りです。閾値の変更は予測確率のカットオフを変えるだけで、モデルが使用する特徴量の数には影響しません。 選択肢「モデルの学習率が変更された」は誤りです。学習率は訓練フェーズのハイパーパラメータであり、推論時の閾値変更とは無関係です。 選択肢「データセットサイズが縮小した」は誤りです。閾値の変更はデータセット自体のサイズには一切影響しません。