召回率 是什麼？

Recall — 召回率 的完整解釋

召回率衡量模型在所有實際正例中，成功識別出多少正例的能力，反映其查找完整性的指標

容易混淆

召回率 vs 精確率 精確率看你抓到的裡面有多少是真的。 召回率看真正該抓的裡面，你抓到了多少。 最關鍵的區別：一個看抓得準不準，一個看有沒有漏掉。

召回率 vs 準確率 準確率看整體判斷對不對。 召回率只看正類有沒有被找出來。 最關鍵的區別：一個看全體，一個看少數正類。

召回率 vs F1 分數 F1 分數是精確率和召回率的平衡。 召回率只看漏不漏。 最關鍵的區別：一個是單一面向，一個是綜合分數。

記住這句就好

想少漏抓，就看召回率。

實際案例

疾病篩檢 你不希望病人明明有病卻沒被抓出來，所以召回率很重要。 這時寧可多抓一些疑似案例，再由醫師複核。

客服詐騙訊息 如果你想盡量把可疑訊息都抓出來，召回率高會比較安心。 但若抓太多誤報，還是要再看精確率。

算法與應用

召回率的分母是所有實際正例，分子是被正確找出的正例。 門檻調低時，通常召回率會升，但誤報也可能增加。 在類別不平衡資料裡，召回率常比單看準確率更有意義。

情境判斷

Q1（直覺題）： 你在做癌症篩檢，最怕漏掉真正患者，該優先看什麼？

→ 優先看召回率，因為它直接反映有沒有漏掉該抓出的正例。

Q2（判斷題）： 如果你把判斷門檻調得很低，召回率一定會變好嗎？

→ 多半會提高，但同時誤報也可能變多，所以還要一起看精確率和 F1 分數。

召回率 在 iPAS 考試中的重點

根據歷年統計，召回率 相關題目 平均佔 AI 技術類考題 2%， 屬於未分類考範圍。

常見出題方向：分類模型評估指標的數學定義（40%）、召回率的計算方式與應用（35%）、與精確率的權衡分析（25%）。

常見問題

召回率一定和精確率互相衝突嗎？

常常有取捨，但不是絕對，有些模型調整後可以同時改善兩者。

為什麼醫療、資安特別重視召回率？

因為漏掉一個真的正例，代價可能很高。

召回率和準確率哪個更重要？

要看任務，若正類很少而且很重要，召回率通常更值得優先看。