recall

توضیح

برای محاسبهٔ recall، تعداد true positive‌ها را بر مجموع true positive‌ها و false negative‌ها تقسیم می‌کنیم: recall = TP / (TP + FN). true positive یعنی نمونهٔ واقعاً مثبتی که مدل درست تشخیص داده؛ false negative یعنی نمونهٔ واقعاً مثبتی که مدل به‌اشتباه منفی تشخیص داده است. این معیار نشان می‌دهد مدل چه سهمی از موارد مثبت را پیدا کرده، اما دربارهٔ درستی همهٔ پیش‌بینی‌های مثبت چیزی نمی‌گوید.

مثال

true_positives = 180
false_negatives = 20
recall = true_positives / (true_positives + false_negatives)
print(recall)  # 0.9

چرا مهمه

وقتی از دست دادن موارد مثبت مهم است، مثل تشخیص بیماری، recall کمک می‌کند ضعف مدل پنهان نماند. به‌ویژه وقتی موارد مثبت کم‌اند، accuracy بالا لزوماً به معنی پیدا کردن آن‌ها نیست.

مفهوم‌های مرتبط

• metrics
• test set
• validation set