在实际应用中，
召回率对于那些对错过正例（漏报）比较敏感的场景非常重要，例如在医学领域中，对于一些疾病的诊断，遗漏病例可能导致严重的后果。然而，
召回率的提高通常会伴随着假正例（False Positives）的增加，因此在一些场景中需要在
召回率和准确率之间进行权衡。
召回率（Recall），也称为灵敏度（Sensitivity）或真正例率（True Positive Rate），是用于评估二分类模型性能的指标之一。
召回率衡量了模型正确识别正例的能力，即在所有实际正例中，模型成功识别的比例。
版权声明：
本文来源网络，所有图片文章版权属于原作者，如有侵权，联系删除。
本文网址：https://www.mushiming.com/mjsbk/7684.html