складність 1/5
Recall
Із усього, що справді було позитивним, — частка, яку модель насправді знайшла; міра того, скільки вона пропускає.
Інтуїція
Там було сто справжніх випадків. Скільки з них модель упіймала?
Recall рахує лише випадки, що були істинно позитивними, і питає, яку їх частку модель знайшла. Хибні тривоги для нього не мають значення — модель, яка позначає все підряд, отримує ідеальний recall [2, Recall, or true positive rate]. Це дзеркальне відображення достовірності, і тому їх завжди читають разом.
Метрика має три назви залежно від галузі: recall в інформаційному пошуку, чутливість у медицині, відсоток істинних позитивних результатів при побудові ROC-кривих. Це одне й те саме число [4, §3.4.4.9].
Формальне визначення
Як це працює
Де застосовується
Чому і коли
Практичний приклад
Типові помилки
Перевірте себе
3 запитання
Запитання до цієї сторінки входять у доступ. Їх перевіряє сервер, тож відповіді лишаються там, доки ви не дасте свою.
На шпаргалці: Classification metrics →
Джерела
- scikit-learn — sklearn.metrics.recall_scoredocs · звірено 2026-08-30https://scikit-learn.org/stable/modules/generated/sklearn.metrics.recall_score.html
- Machine Learning Crash Course — Classification: accuracy, recall, precision, and related metricscourse · звірено 2026-10-04https://developers.google.com/machine-learning/crash-course/classification/accuracy-precision-recall
- Machine Learning Crash Course — Thresholds and the confusion matrixcourse · звірено 2026-10-04https://developers.google.com/machine-learning/crash-course/classification/thresholding
- scikit-learn User Guide — Metrics and scoringdocs · звірено 2026-10-04https://scikit-learn.org/stable/modules/model_evaluation.html
- Introduction to Information Retrieval (2008)bookhttps://nlp.stanford.edu/IR-book/html/htmledition/irbook.html