Was Recall bedeutet
Recall beantwortet die Frage: Wie viele aller tatsächlich positiven Ergebnisse hat das Modell erfasst? Er wird berechnet als wahr-positive Ergebnisse dividiert durch wahr-positive Ergebnisse plus falsch-negative Ergebnisse. Ein hoher Recall bedeutet, dass weniger Positives verpasst wird.
Warum das wichtig ist
Recall ist wichtig, wenn falsch-negative Ergebnisse kostspielig sind. Bei der Betrugserkennung, der Sicherheit, der medizinischen Prüfung und der Priorisierung dringender Support-Fälle kann es schädlicher sein, ein echtes positives Ergebnis zu verpassen, als zusätzliche Fälle zur Überprüfung einzusenden.
Häufige Anwendungen
- Betrugserkennung, wo übersehener Betrug teuer ist.
- Medizinisches Screening, bei dem übersehene Fälle gefährlich sind.
- Erkennung dringender Support-Tickets.
- Sicherheitswarnungen.
- Qualitätskontrolle, bei der übersehene Fehler von Bedeutung sind.
Worauf zu achten ist
Der Recall geht oft mit der Präzision einher. Eine Senkung des Schwellenwerts kann zwar mehr positive Ergebnisse erfassen, aber auch die Zahl der Fehlalarme erhöhen. Bei einer guten Bewertung werden die Kosten sowohl falsch negativer als auch falsch positiver Ergebnisse berücksichtigt.
Recall lässt sich am besten im Kontext verstehen: welche Daten verwendet werden, welche Aufgabe unterstützt wird und wie die Ausgabe geprüft wird.