リコールで真のネガティブが考慮されないのはなぜですか？

リコールで真のネガティブが考慮されないのはなぜですか？真のネガティブが真のポジティブと同じくらい重要である実験では、それらを考慮に入れる比較可能なメトリックはありますか？

リコール（精度と組み合わせて）は、通常、主にポジティブを見つけることに関心がある領域で使用されます。そのような領域の例は、たとえば、パフォーマンスマーケティングまたは（すでにリンク集で提案されているように）情報検索の領域です。

そう：

主にネガティブを見つけることに関心がある場合は、「真のネガティブレート」（chlですでに提案されている）が適しています。ただし、「ネガティブへのフォーカスの精度」メトリック（つまりを確認することを忘れないでください。それ以外の場合は、予測を「ネガティブ」に設定することで「真のネガティブレート」を最適化できます。すべてのデータポイント）。$\frac{TN}{TN + FN}$

ネガとポジの両方の再現率を最適化することに関心がある場合は、「精度」を確認する必要があります（chlのリンクを再度参照してください）。ただし、クラススキューに注意してください（つまり、否定よりもはるかに多くの肯定があり、その逆の場合もあります。この場合、予測をすべてのデータポイントの主要クラスに設定することで、精度を「最適化」できます）。