باختصار
Recall (الاستدعاء، وبيتسمّى كمان True Positive Rate) بيجاوب على سؤال: لما الحقيقة كانت «إيجابي»، النموذج عرف ده في كام في المية من المرّات؟
بالتفصيل
المعادلة:
Recall = TP / (TP + FN)
الـ False Negative (السلبي الكاذب) هو الحالة الحقيقية اللي النموذج فوّتها وقال عليها «سلبي». فالـ Recall بيعاقب النموذج على اللي فاته، مش على الإنذارات الغلط.
حسب مسرد Google، الـ Recall مفيد بشكل خاص لما الفئة الإيجابية نادرة. في الحالة دي الـ Accuracy بتبقى عالية جدًا ومالهاش معنى، لأن النموذج ممكن يقول «سلبي» على طول ويطلع شكله ممتاز.
مثال عملي
مثال المسرد: مرض بيصيب 10 مرضى بس من كل مليون. النموذج عمل 5 ملايين توقّع، والنتيجة:
- 30 إيجابي صحيح.
- 20 سلبي كاذب (مرضى فاتوه).
- 4,999,000 سلبي صحيح.
- 950 إيجابي كاذب.
الـ Recall = 30 ÷ (30 + 20) = 60%. يعني النموذج فوّت 40% من المرضى الحقيقيين.
لكن الـ Accuracy لنفس النموذج = 99.98%! رقم شكله ممتاز، لكنه تقريبًا ما بيقولش حاجة. في التشخيص الطبّي، الـ Recall هو الرقم اللي يهمّك.
مصطلحات مرتبطة
- Precision — الضبط.
- F1 Score — مقياس F1.
- False Negative — السلبي الكاذب.
- Ground Truth — الحقيقة المرجعية.
المصادر: Google ML Glossary
