召回率，也称为敏感度或真实阳性率，是用于二进制分类任务的指标，用于衡量模型正确识别的实际阳性病例的比例。它反映了模型检测数据集中所有相关实例的能力。召回的含义在识别所有阳性案例至关重要的应用中尤为重要，例如在医疗诊断、欺诈检测或识别信息检索系统中的相关文档中。
召回率是用于评估分类模型性能的关键指标之一，尤其是在缺少正面实例可能产生严重后果的情况下。它被定义为正确预测的阳性实例（真阳性）与实际阳性实例总数的比率，包括那些被错误归类为阴性的实例（假阴性）。
召回对企业很重要，因为它会直接影响模型在缺失正面案例可能产生重大后果的情景中的有效性。视应用而定，高召回率可以防止损失、提高客户满意度并加强决策。
在金融领域，欺诈检测模型的高召回率有助于最大限度地降低未被发现的欺诈活动的风险，保护企业免受财务损失并保持客户信任。
在市场营销中，召回对于客户细分和定位非常重要，可确保识别出特定活动的所有相关客户。这最大限度地提高了营销工作的有效性并提高了投资回报率（ROI）。
在客户关系管理（CRM）中，召回可以帮助企业识别所有潜在的流失者，从而制定积极的留存策略。这减少了客户流失并增加了长期收入。
虽然召回率是一项重要的指标，但它通常与精度（在所有确定为阳性的病例中正确识别的阳性病例的比例）进行平衡，以确保该模型既对阳性因素敏感，又不会过于容易出现虚假警报。F1 分数结合了召回率和精度，通常用于评估这种平衡。
总而言之，召回的含义是指一种性能指标，用于衡量模型正确识别数据集中所有积极实例的能力。对于企业而言，召回在医疗保健、欺诈检测和客户保留等应用中至关重要，在这些应用中，错过阳性案例的代价可能很高，这使其成为模型评估和决策的关键因素。