Recall, auch als Rückrufrate bekannt, ist ein Begriff aus der Statistik und dem maschinellen Lernen, der angibt, wie gut ein Modell in der Lage ist, relevante positive Fälle zu identifizieren. Es wird berechnet als das Verhältnis der richtig identifizierten positiven Fälle zu der Gesamtzahl der tatsächlichen positiven Fälle. Die Formel lautet: \[ \text{Recall} = \frac{\text{Anzahl der richtig positiven Vorhersagen}}{\text{Anzahl der tatsächlichen positiven Fälle}} \] Ein hoher Recall-Wert bedeutet, dass das Modell die meisten relevanten Fälle erkannt hat, während ein niedriger Wert darauf hinweist, dass viele positive Fälle übersehen wurden. Recall ist besonders wichtig in Anwendungen, bei denen das Verpassen eines positiven Falls schwerwiegende Folgen haben kann, wie z.B. in der medizinischen Diagnostik oder bei Betrugserkennung.