Recall (Exhaustividad/Sensibilidad)
NATURALEZA
No es un concepto de IA propiamente dicho, puesto que se encuadra dentro de los modelos de clasificación que se estudian y desarrollan en el campo de la estadística. Ahora bien, sí que tiene un peso específico a la hora de entender cómo funcionan ciertos aspectos de la IA, especialmente en el terreno del Machine Learning y el Aprendizaje Supervisado.
CONCEPTO
Es una métrica de los modelos de clasificación que otorga la proporción elementos identificados correctamente como positivos del total de positivos verdaderos. También se suele llamar Tasa de Verdaderos Positivos (True Positive Rate, TPR). Es decir, se puede entender como una fracción: Recall = Verdaderos positivos / Verdaderos positivos + Falsos negativos.
No se debe confundir con el concepto de Precisión/Exactitud (Accuracy), que también se puede encontrar en el glosario.
Conceptos relacionados: falsos negativos, modelo de clasificación (binarios o multiclase).
IMPORTANCIA
la sensibilidad es uno de los indicadores de la relevancia de los resultados. Señala la capacidad del estimador para discriminar los casos positivos de los negativos (en un modelo de clasificación).
USOS Y RIESGOS
Un recall muy pequeño puede indicar que la sensibilidad del modelo es baja, es decir, que predice mal la clase positiva. Por tanto,puede significar que el modelo es defectuoso.
AUTORES
Javier Dionis Baeza
