評估與指標
召回率（recall）
/ ree-KAWL /
召回率問的，是與精確率正好相反的一面：在所有真正為「是」的東西裡，模型實際抓住了多少？如果你收件匣裡有20封確實是垃圾的郵件，過濾器抓到了其中16封，那麼它的召回率就是16/20＝80%。漏掉的那4封溜進了你的收件匣。召回率衡量的是「漏掉了多少」，而不是「誤報了多少」。
嚴格地說，召回率等於真正例，除以全部真實的正例——也就是真正例加上假反例。它盯著每一個本該被標出來的案例，問模型找出了其中多大比例。它也叫敏感度或真正例率，在醫學裡尤其常用這兩個名字。
當漏掉一個真案例很危險時，召回率最重要。一項高召回率的癌症篩查，極少告訴一個真病人「你沒事」；一個高召回率的詐欺偵測器，讓極少的詐欺溜走。問題在於，完美的召回率可以輕易拿到——只要把一切都標為「正」，你就抓到了每一個真案例，代價卻是被海量誤報淹沒。這正是為什麼召回率離開了精確率就毫無意義：兩者合在一起，才描述了完整的權衡。
某項研究中有50名患者真正患病。篩查檢測把其中40人標為陽性，漏掉了10人。召回率＝40/50＝80%。每5名病人裡就有1人被「放心」地送回了家，實際卻仍帶著病——這就是召回率不完美的代價。
召回率＝在所有真正為正的案例裡，模型抓住的那一部分。
留意用詞：「敏感度」（醫學）和「真正例率」（訊號偵測、ROC曲線）說的都和召回率是同一回事。別被一個吹噓99%召回率的模型唬住——它可能幾乎把一切都標成了正，而這會毀掉精確率。
又稱
另見