Recall

En el ámbito de la inteligencia artificial y el machine learning, se refiere a una métrica utilizada para evaluar la calidad de un modelo de clasificación supervisada.

Mide la capacidad del modelo para identificar correctamente todas las instancias relevantes de una clase positiva dentro de un conjunto de datos.

Se calcula dividiendo el número de verdaderos positivos (TP) entre la suma de verdaderos positivos (TP) y falsos negativos (FN).

Un valor alto indica que el modelo logra detectar la mayoría de los casos positivos, minimizando los falsos negativos, pero no garantiza precisión.

Es especialmente útil en contextos donde la prioridad es evitar perder instancias relevantes, como en diagnósticos médicos o sistemas de detección de fraudes.