在评估分类任务时，哪个指标关注“在所有真实的正类样本中，模型正确找出了多少”？A. 准确率（Accuracy）B. 精确率（Precision）C. 召回率（Recall）D. F1值（F1-Score）

考查要点：本题主要考查分类模型评估指标的理解，特别是召回率（Recall）的核心概念。

解题关键：明确各指标的定义：

• 召回率：关注实际正类样本中被正确预测的比例，即模型“找出了多少真实正类”。
• 精确率：关注预测为正类的样本中实际为正类的比例。
• 准确率：整体正确率，不区分正负类。
• F1值：综合平衡精确率和召回率。

破题点：题目中“在所有真实的正类样本中”对应实际正类的总数（TP+FN），而“正确找出”对应真正例（TP），因此直接对应召回率的公式。

召回率（Recall）的定义为：
$\text{Recall} = \frac{\text{真正例（TP）}}{\text{真正例（TP）} + \text{假反例（FN）}}$
其中：

• 真正例（TP）：实际为正类且被正确预测为正类的样本数。
• 假反例（FN）：实际为正类但被错误预测为负类的样本数。

题目描述的“在所有真实的正类样本中，模型正确找出了多少”即要求计算实际正类中被正确识别的比例，与召回率的定义完全一致。