Когда лучше использовать Recall

Recall следует использовать, когда важнее минимизировать ложноотрицательные случаи (False Negatives). Например, в медицинской диагностике, где пропуск заболевания (FN) опаснее ложной тревоги (FP).

Формула:
Recall = TP / (TP + FN)

Пример:

from sklearn.metrics import recall_score
y_true = [1, 0, 1, 1, 0]  
y_pred = [1, 0, 0, 1, 1]  
print(recall_score(y_true, y_pred))  # 0.666 (2 TP из 3 реальных положительных)

Когда выбирать Recall:

• Скрининг заболеваний
• Поиск мошенничества
• Обнаружение дефектов на производстве

Если FP критичны (например, спам-фильтр), лучше использовать Precision. Для баланса — F1-score.