MCDMClassification Metric
Recall (感度)
Recallは、分類器によって正しく識別された実際の陽性症例の割合を測定します。「真に陽性であったすべての症例のうち、いくつを発見したか？」という問いに答えます。Recallは、陽性症例を見逃すことがコスト高になるシナリオにおいて重要です。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
手法マップ
関連する手法の近傍 — ノードを選択して探索できます。
出典
- Fawcett, T. (2006). An introduction to ROC analysis. Pattern Recognition Letters, 27(8), 861-874. DOI: 10.1016/j.patrec.2005.10.010 ↗
- Powers, D. M. (2011). Evaluation: From Precision, Recall and F-Measure to ROC, Informedness, Markedness and Correlation. Journal of Machine Learning Technologies, 2(1), 37-63. link ↗
このページの引用方法
ScholarGate. (2026, June 3). Recall or Sensitivity (True Positive Rate). ScholarGate. https://scholargate.app/ja/model-evaluation/recall
どの手法を選ぶ？
この手法を最も近い類縁の手法と並べ、両者を見比べてください — ライブラリは本を机の上に並べるだけ。選ぶのはあなたです。
- Balanced Accuracyモデル評価↔ 比較
- F1スコアモデル評価↔ 比較
- マシューズ相関係数 (Matthews Correlation Coefficient)モデル評価↔ 比較
- 精度（Precision）モデル評価↔ 比較
- 特異度（Specificity）モデル評価↔ 比較