召回率：衡量分类模型识别正例能力的关键指标

召回率是指在所有实际正例中，模型正确预测为正例的比例。它是评估分类模型性能的重要指标之一，特别适用于对正例识别要求较高的情况。

召回率的计算公式为：召回率 = 真正例 / (真正例 + 假负例)

其中，真正例是指模型正确预测为正例的样本数量，假负例是指模型错误预测为负例的正例样本数量。

召回率越高，说明模型能够更好地识别出真正例，即对正例的识别能力越强。但召回率高的同时，可能会导致误报率（将负例错误预测为正例的比例）也相应增加。

召回率与准确率（Precision）相互影响，通常需要根据具体需求来平衡二者。在某些场景下，如癌症诊断，更注重召回率，以尽可能准确地识别患者；而在一些金融欺诈检测等场景中，更注重准确率，以尽可能减少误报。