KNOWECON WIKI

ARTICLE

召回率

召回率 (Recall) 召回率 (Recall)，也称真正率 (True Positive Rate, TPR) 或灵敏度 (Sensitivity)，是分类问题中最核心的评估指标之一。它衡量的是：在所有实际为正类的样本中，模型正确识别出多少。直观而言，召回率回答了"模型把多少真正的正例找了出来"这一问题。在信息检索领域，召回率表示检索出的相关文档占全部相

浏览 3 更新 2025-10-27

召回率 (Recall)

召回率 (Recall)，也称真正率 (True Positive Rate, TPR) 或灵敏度 (Sensitivity)，是分类问题中最核心的评估指标之一。它衡量的是：在所有实际为正类的样本中，模型正确识别出多少。直观而言，召回率回答了"模型把多少真正的正例找了出来"这一问题。在信息检索领域，召回率表示检索出的相关文档占全部相关文档的比例；在医学诊断中，它反映检出患病个体的能力。召回率与精确率 (Precision) 共同构成了评估二分类模型性能的基本框架，两者之间存在着根本性的权衡关系。

数学定义

对于二分类问题，将模型预测结果与实际标签交叉，可得到混淆矩阵 (Confusion Matrix)：

\begin{tabular}{c|c|c} \& 预测为正 \& 预测为负 \\ \hline 实际为正 \& TP (True Positive) \& FN (False Negative) \\ 实际为负 \& FP (False Positive) \& TN (True Negative) \\ \end{tabular}

基于上述记号，召回率定义为：

Recall=TPTP+FN\text{Recall} = \frac{TP}{TP + FN}

其中，TPTP（真正例）是正确预测为正类的样本数，FNFN（假负例）是实际为正却被错误预测为负的样本数。分母 TP+FNTP + FN 即为全部实际正类样本总数。召回率的取值范围为 [0,1][0, 1]，数值越高表示模型捕获正类样本的能力越强。当 FN=0FN = 0 时，召回率达到理想值 11，即所有正类均被检出；当 TP=0TP = 0 时，召回率为 00，即所有正类均被漏检。

在统计学和假设检验框架下，召回率等价于检验功效 (Statistical Power) 减去 β\beta（II类错误概率）的补数：Recall=1−β\text{Recall} = 1 - \beta。因此，召回率也可理解为"当零假设为假（即存在效应）时，正确拒绝零假设的概率"。

与精确率的关系

召回率与精确率 (Precision) 是一对紧密关联却又存在内在张力的指标。精确率定义为：

Precision=TPTP+FP\text{Precision} = \frac{TP}{TP + FP}

精确率回答"被模型判为正类的样本中，有多少确实为正"；而召回率回答"实际为正的样本中，有多少被模型找出"。两者通常不可兼得：提高分类阈值虽能减少假正例、提升精确率，但同时会增加假负例、降低召回率；反之，降低阈值虽能捕获更多正例、提升召回率，但会引入更多假正例、损害精确率。这一矛盾被称为精确率-召回率权衡 (Precision-Recall Trade-off)。

以垃圾邮件过滤为例：若将过滤标准设得极为严格（高阈值），则几乎所有垃圾邮件都被拦截（高精确率），但部分正常邮件也可能被误判为垃圾邮件（假正例），且部分垃圾邮件可能漏网（低召回率）。若采用宽松策略（低阈值），几乎所有垃圾邮件都被检出（高召回率），但大量正常邮件也会被标记为垃圾（低精确率）。最优阈值的选择取决于具体应用场景对两类错误的相对容忍度。

F-分数：召回率与精确率的统一

为综合评估模型性能，常使用F-分数 (F-score)，它是精确率与召回率的调和平均数。最常用的是 F1F_1 分数，赋予精确率与召回率同等权重：

F1=2⋅Precision⋅RecallPrecision+Recall=2TP2TP+FP+FNF_1 = 2 \cdot \frac{\text{Precision} \cdot \text{Recall}}{\text{Precision} + \text{Recall}} = \frac{2TP}{2TP + FP + FN}

调和平均数的特性使得 F1F_1 对极端值敏感：只有当精确率与召回率均较高时，F1F_1 才获得高分；若任一指标极低，F1F_1 将被显著拉低。更一般地，FβF_\beta 分数引入权重参数 β\beta，允许调节精确率与召回率的相对重要性：

Fβ=(1+β2)⋅Precision⋅Recallβ2⋅Precision+RecallF_\beta = (1 + \beta^2) \cdot \frac{\text{Precision} \cdot \text{Recall}}{\beta^2 \cdot \text{Precision} + \text{Recall}}

当 β>1\beta > 1 时，召回率的权重高于精确率（如 F2F_2 更强调召回）；当 β<1\beta < 1 时，精确率权重更高（如 F0.5F_{0.5} 更强调精确）。这一灵活性使 FβF_\beta 能适应不同业务需求。

多类别场景下的召回率

将二分类召回率推广到多类别分类问题，常用三种聚合策略：

  • 宏平均召回率 (Macro-averaged Recall)：对每个类别分别计算召回率，然后取算术平均。所有类别贡献相等，不受类别样本量影响。适合关注小类别表现的场景，但对大类别的预测质量反映不足。 \[ \text{Recall}_{\text{macro}} = \frac{1}{K} \sum_{i=1}^{K} \text{Recall}_i \] 其中 KK 为类别总数。
  • 微平均召回率 (Micro-averaged Recall)：将所有类别的 TPTP 和 FNFN 分别求和后计算全局召回率。受大类别支配，反映整体分类准确度，但可能掩盖小类别的糟糕表现。 \[ \text{Recall}_{\text{micro}} = \frac{\sum_{i=1}^{K} TP_i}{\sum_{i=1}^{K} (TP_i + FN_i)} \]
  • 加权平均召回率 (Weighted-averaged Recall)：与宏平均类似，但按每个类别的样本量加权。兼顾了类别不均衡的现实，同时赋予各类别与其规模相称的影响力。

在多类别设置下，微平均召回率在数值上恒等于全局准确率 (Accuracy)（假设每个样本有且仅有一个真实标签），这是混淆矩阵构造的直接推论。

召回率优先的应用场景

在某些领域，遗漏正例的代价远高于误报，此时召回率成为首要优化指标：

  1. 医学筛查 (Medical Screening)：在癌症筛查或传染病检测中，漏诊（假阴性）可能导致患者错过最佳治疗窗口，后果不可逆。因此医学筛查检测通常以极高召回率为设计目标，即使以一定假阳性（后续可通过确诊检测排除）为代价。例如，HIV初筛检测的召回率接近 99.9%99.9\%，以确保几乎无一漏检。
  2. 安检与欺诈检测 (Security \& Fraud Detection)：机场安检、金融反洗钱系统等领域，漏过威胁或欺诈交易的代价远超误报带来的额外审查成本。此类系统优先追求高召回率。
  3. 法律取证 (E-Discovery)：在电子取证中，遗漏关键证据可能导致诉讼失败。检索系统需具备极高召回率以确保相关文件的全面覆盖。
  4. 推荐系统冷启动 (Cold Start)：在推荐系统初期，确保覆盖足够多样的候选项（高召回）比精确匹配用户偏好更重要，因为后续的排序模型可进一步过滤和精排。

与ROC曲线和PR曲线的关系

ROC曲线 (Receiver Operating Characteristic Curve) 以真正率（即召回率）为纵轴、假正率 (FPR) 为横轴。ROC曲线下面积（AUC-ROC）是评估分类器整体区分能力的常用指标。然而，当正负类样本严重不均衡时，ROC曲线可能给出过于乐观的评估结果，因为假正率 FPR=FP/(FP+TN)FPR = FP / (FP + TN) 的分母由大量真负例主导，即使 FPFP 绝对数量增加，FPR变化仍可能不显著。

在此情形下，PR曲线 (Precision-Recall Curve) 更为敏感和可靠。PR曲线以召回率为横轴、精确率为纵轴，由于精确率的分母不受真负例影响，它能更清晰地揭示模型在正类识别上的真实表现。PR曲线下面积（AUC-PR）已成为不平衡学习领域的重要评估基准。

与其他指标的关系

召回率与其他常用分类指标存在以下等式关系：

  • 与特异度的关系：特异度 (Specificity) 衡量模型正确识别负类的能力，定义为 TN/(TN+FP)TN / (TN + FP)。召回率关注正类，特异度关注负类，两者互补。在ROC曲线上，召回率与 1−Specificity1 - \text{Specificity}（即假正率）构成坐标轴。
  • 与准确率的关系：准确率 (Accuracy) = (TP+TN)/(TP+TN+FP+FN)(TP + TN) / (TP + TN + FP + FN)。当类别严重不均衡时，高准确率可能主要反映对大类别的识别能力，而召回率能单独揭示模型对小类（正类）的捕获能力。
  • 与平均精度的关系：平均精度 (Average Precision, AP) 是PR曲线下的面积，综合了不同召回率水平下的精确率表现，是信息检索中排序质量的常用度量。

实践中的注意事项

在实际应用中，优化召回率需注意以下几点。首先，召回率不能单独作为模型评估的充分依据——一个将所有样本预测为正类的平凡分类器可获得完美召回率（Recall=1Recall = 1），但精确率将极低，模型毫无实用价值。因此，召回率必须与精确率或其他指标结合使用。其次，召回率的估计方差受正类样本量影响：正类样本越少，召回率的置信区间越宽，评估结果的不确定性越大。最后，在模型选择阶段，应明确业务目标对假负类和假正类的相对容忍度，由此确定精确率-召回率权衡的最优点，而非机械地追求单一指标的最大化。

召回率作为衡量"不遗漏"能力的核心指标，在风险敏感型应用中具有不可替代的地位。它与精确率的辩证关系深刻体现了统计决策理论中损失函数不对称性的实践内涵。