评价一个分类模型的性能,召回率计算公式为_。A. 所有真正的正类样本数/总的样本数B. 所有预测正确的样本数/总的样本数C. 将正类预测为正类的样本数/所有预测为正类的样本数D. 将正类预测为正类的样本数/所有真正的正类的样本数

召回率是分类模型的关键评估指标，用于衡量模型正确识别出的正类样本占所有实际正类样本的比例。其核心在于减少漏检，即尽可能多地找出真正的正类样本。
关键点：

1. 分子是模型正确预测为正类的样本数（真正例，TP）；
2. 分母是所有实际属于正类的样本数（TP + FN，FN为假反例）；
3. 召回率公式可简记为：真正例 / 所有实际正类样本。

选项分析

A. 所有真正的正类样本数/总的样本数

• 这是正类样本占比，与模型预测无关，错误。

B. 所有预测正确的样本数/总的样本数

• 这是准确率（Accuracy）的定义，错误。

C. 将正类预测为正类的样本数/所有预测为正类的样本数

• 这是精确率（Precision）的定义，错误。

D. 将正类预测为正类的样本数/所有真正的正类的样本数

• 符合召回率公式：$\text{Recall} = \frac{TP}{TP + FN}$，正确。