Recall
Gerçek pozitif örneklerin ne kadarının model tarafından doğru şekilde bulunduğunu ölçen metrik.
Duyarlılık (recall), gerçekte pozitif olan örneklerin ne kadarının model tarafından doğru şekilde tespit edildiğini ölçen bir metriktir ve gerçek pozitiflerin, gerçek pozitifler ile yanlış negatiflerin toplamına bölünmesiyle hesaplanır. Kesinlikten farklı olarak recall, modelin gerçek pozitif vakaların ne kadarını kaçırmadan yakaladığı sorusuna odaklanır; bu nedenle duyarlılık (sensitivity) veya gerçek pozitif oranı olarak da adlandırılır. Yüksek duyarlılık, modelin pozitif örnekleri kaçırma oranının düşük olduğu anlamına gelir.
Duyarlılık, bir pozitif vakanın kaçırılmasının ciddi sonuçlar doğurduğu alanlarda özellikle kritiktir: tıbbi teşhiste bir kanser vakasının "sağlıklı" olarak sınıflandırılması, sağlıklı birinin gereksiz yere ek testlere yönlendirilmesinden çok daha tehlikelidir, bu yüzden tarama testlerinde yüksek recall hedeflenir. Benzer şekilde dolandırıcılık tespitinde veya güvenlik sistemlerinde de kaçırılan gerçek tehditlerin maliyeti yüksektir. Ancak duyarlılığı maksimize etmeye çalışmak model daha fazla örneği pozitif olarak işaretlemeye iter, bu da kesinliğin düşmesine yol açabilir; bu yüzden pratikte uygulamanın gereksinimlerine göre kesinlik-duyarlılık dengesi, karar eşiği ayarlanarak kurulur.
Duyarlılık, bir pozitif vakanın kaçırılmasının ciddi sonuçlar doğurduğu alanlarda özellikle kritiktir: tıbbi teşhiste bir kanser vakasının "sağlıklı" olarak sınıflandırılması, sağlıklı birinin gereksiz yere ek testlere yönlendirilmesinden çok daha tehlikelidir, bu yüzden tarama testlerinde yüksek recall hedeflenir. Benzer şekilde dolandırıcılık tespitinde veya güvenlik sistemlerinde de kaçırılan gerçek tehditlerin maliyeti yüksektir. Ancak duyarlılığı maksimize etmeye çalışmak model daha fazla örneği pozitif olarak işaretlemeye iter, bu da kesinliğin düşmesine yol açabilir; bu yüzden pratikte uygulamanın gereksinimlerine göre kesinlik-duyarlılık dengesi, karar eşiği ayarlanarak kurulur.