召回率

在机器学习（ML）领域，召回率是衡量分类器或预测器敏感度的一项关键指标。它通过计算实际正例的数量与分类器做出的真正阳性预测数量之间的比率得出。简单来说，召回率代表了分类器准确识别出的真实正例的百分比。

召回率在机器学习中意义重大，因为它评估了分类器识别正例的有效程度。它通常会与另一个名为精确率的指标一起使用，精确率被定义为真正阳性预测在分类器所有阳性预测中所占的比例。

精确率和召回率之间存在一种权衡关系。召回率的提高可能会导致精确率下降，反之亦然。这种权衡可以通过调整阈值参数来控制，阈值参数决定了一个预测被视为准确所需的最小概率。

总之，召回率作为机器学习中分类器或预测器敏感度的关键指标，是根据真正阳性预测与所有实际正例的比率计算得出的。它是一个至关重要的参数，与精确率相结合有助于评估分类器的有效性。