リコール（Recall）
リコール（Recall）とは、機械学習や統計モデルの性能を評価するための指標の一つで、実際に肯定であるデータ（真陽性）をどれだけ正しく予測できたかを示します。リコール（Recall）は、特に「見逃し」を避けたい状況で重要です。
リコール（Recall）が高いほど、実際に肯定である事例を逃さずに正しく分類できていることを意味します。例えば、100件の正解がある中で80件を正しく予測できた場合、リコール（Recall）は80%となります。これは、全体のうち80%を正しく見つけることができたという意味です。
リコール（Recall）は、精度（Precision）とともにモデルのパフォーマンスを評価する際に使われますが、リコール（Recall）が高いと精度が低くなる場合があるため、バランスを取ることが重要です。
リコール（Recall）関連用語
リコール（Recall）に関連する単語は以下の通りです。
- 精度（Precision）
- 偽陰性率（False Negative Rate：FNR）
- 感度（Sensitivity）
- F1スコア（F1 Score）
リコール（Recall）やさしい解説
リコール（Recall）とは、AIや機械学習が「正しいものをどれだけしっかり見つけたか」を表す数字です。たとえば、病気の人を見つける検査を考えてみましょう。100人の中に病気の人が10人いるとして、そのうち8人を検査で見つけることができたら、リコール（Recall）は「8割」になります。つまり、病気の人を見逃さずにどれだけ発見できたかがリコール（Recall）の意味です。
リコール（Recall）が高いほど、AIは「見逃しが少ない」ということになります。
AI関連の用語集【まとめ】
AI関連の用語集が気になる方のために、用語集一覧を作成しました。AIに関する学びを深めたいとお考えの方はぜひご覧ください。
＼AIの導入・開発・相談なら【クラベルAI】に相談しよう！／
