Recall misst, wie viele der tatsächlich relevanten Elemente ein Modell gefunden hat.
Recall ist der Anteil der korrekt gefundenen positiven Beispiele an allen vorhandenen positiven Beispielen. Ein hoher Recall bedeutet, dass das Modell kaum relevante Objekte verpasst. In Suchsystemen, medizinischen Diagnosen oder Betrugserkennung minimiert ein hoher Recall das Risiko, wichtige Fälle zu übersehen.
Zusammenspiel
- Precision-Trade-off: Höherer Recall führt oft zu mehr False Positives.
- Tuning: Schwellenwerte, Prompts oder Temperatur lassen sich gezielt auf Recall optimieren.
- Berichterstattung: Für datengetriebene SEO-Artikel empfiehlt sich immer, Recall neben Precision anzugeben.
