该模型在识别所有阳性病例方面
完整性
召回率（也称为召回率、敏感度或真阳性率）是评估模型的另一个重要指标。它用于衡量模型捕获所有正类的能力，并以正确的正预测与数据集中真实正案例总数的比率计算。
计算完整性的公式
与关注阳性预测正确性的精确度不同，召回率强调识别尽可能多的真阳性，即使这意味着接受一些假阳性。这使得召回率在丢 电话号码库失真阳性（假阴性）比预测假阳性后果更严重的情况下显得尤为重要。
让我们以前面的例子为例：我们将 100 个物体识别为针头，其中 90 个是真正的针头（真阳性），10 个是吸管（假阳性）。该模型预测的准确率为90%。但在 200 根针中，我们没有注意到 110 根，因此饱满度值为 45%。表现不佳。
但是，如果我们将 380 个物体识别为针头，其中 190 个是真正的针头，那么我们的模型的召回率为 95%。但预测的准确率只有50%。您很可能已经看到了这两个指标之间的权衡。
高丰满度等级可确保您捕获大部分针头。
这就是为什么召回率经常与精确率一起使用的原因，特别是在假阳性和假阴性都会造成严重后果的情况下。
在 eSputnik CDP，我们使用召回率作为评估我们模型的基本指标。
当谈到客户细分时，错误识 可以通过将总营销成本除以 别客户的成本是最小的。然而，在营销活动中错失潜在买家可能会导致收入减少，这是非常不理想的。
使用完整性的好处：
- 优先捕获阳性 新加坡电话列表病例：召回的重点是捕获尽可能多的真阳性病例，这在假阴性有危险时（例如在疾病检测中）非常重要。
- 对于正类稀少的不平衡数据集很有用。
使用完整性的缺点：
- 忽略误报，这会导致许多误报。
- 当准确性至关重要并且误报错误是一个问题时，则不适用。