召回率（Recall），也称为灵敏度（Sensitivity）或真正例率（True Positive Rate），是用于评估二分类模型性能的指标之一。召回率衡量了模型正确识别正例的能力，即在所有实际正例中，模型成功识别的比例。

召回率计算公式如下：

其中：

• True Positives（真正例）是模型正确识别为正例的样本数量。
• False Negatives（假负例）是模型未能正确识别为正例的样本数量。

召回率的取值范围在0到1之间，值越接近1表示模型在识别正例方面的性能越好。

在实际应用中，召回率对于那些对错过正例（漏报）比较敏感的场景非常重要，例如在医学领域中，对于一些疾病的诊断，遗漏病例可能导致严重的后果。然而，召回率的提高通常会伴随着假正例（False Positives）的增加，因此在一些场景中需要在召回率和准确率之间进行权衡。